[发明专利]一种基于多尺度特征量的目标跟踪方法和系统

说明书

本发明公开了一种基于多尺度特征量的目标跟踪方法和系统，本方法通过计算不同时间点的位置点所属簇群之间的移动距离，并通过比较移动距离与预定尺度阈值来确定当前时间点的位置点所在簇群与在当前时间点之前的预设时间段内时间点的位置点所在簇群分别属于大尺度移动还是小尺度移动，设置阈值进行判断，适用的范围更广，根据被跟踪物体移动的空间尺度进行预测，可以针对不同尺度下被跟踪目标的动态移动轨迹进行准确预测，提高了预测准确度，根据预测结果对被跟踪目标进行精准跟踪处理。

技术领域

本发明涉及目标跟踪领域，具体是一种基于多尺度特征量的目标跟踪方法和系统。

背景技术

在智慧城市的应用场景当中，对目标的位置变化进行跟踪具有重要价值，例如，可以公安或者安保部门可以基于目标跟踪而对关注的监视对象进行布控，防范违法事件，维护公共安全。交通管理中可以基于目标跟踪而测定车辆的通行情况，进而通过汇总很多车辆的通行情况，确定每段道路通行顺畅程度，等等。

传统的目标跟踪只是实时或者准实时地获得目标的位置点，因此只能反映目标过去以及当前时刻的位置。为了更好的服务于以上应用场景，人们希望开展对目标的动态预测跟踪，即通过动态分析目标的位置点变化，预测目标的将来位置点，进而针对该将来位置点进行必要的响应，例如由公安或安保部门进行提前布控，或者由交通部门进行提前的调度。

目前，现有技术中对目标的动态预测跟踪一般是依据大数据分析来实现，(1·)首先，汇集海量目标的位置点；(2)进而，通过分析海量目标的位置点的变化，获得任一目标在上一个时间点位于位置点S_t，则其在下一个时间点移动到位置点S_t+1的条件概率或者，可以获得如果任一目标在之前的一系列时间点处于位置点S_t-i,S_t-i+1……S_t，则其在下一时间点移动到位置点S_t+1的条件概率(3)进而，根据当前的被预测目标在之前一个或者一系列时间点的位置点，预测其在下一时刻移动到若干潜在位置点的预测概率；并且如果某个或者某几个潜在位置点的预测概率大于预定的概率阈值，则将这个或者这些潜在位置点作为被预测目标的将来位置点，针对将来位置点进行必要的响应。

但是，现有技术存在以下缺点：首先，在基于海量目标的位置点变化分析概率的过程中，当中没有考虑到移动的空间尺度的影响，导致按照一样的条件概率规则度两个不同尺度的目标位置点进行预测，容易出现预测失准的现象；另一方面来说，对于大尺度空间移动的目标，其需要的是在同样大尺度的空间范围内对其潜在位置点进行预测，给出其小尺度空间范围内的潜在位置点预测对于目标的跟踪来说没有意义；同理，对于小尺度空间移动的目标来说，对其给出大尺度空间范围的潜在位置点预测也是没有意义的。

因此，如何通过根据被跟踪目标的空间尺度，精准预测被跟踪目标的位置点变化，进而实现对目标准确布控是本领域技术人员亟待解决的问题。

发明内容

鉴于上述问题，本发明的目的是为了解决现有技术中对目标的动态预测跟踪技术没有考虑到移动的空间尺度的影响，使对目标的位置点预测容易出现偏差，不能准确的针对不同的空间范围预测潜在位置点的问题。

本发明实施例提供一种基于多尺度特征量的目标跟踪方法，包括：

获取被跟踪目标在当前时间点与在当前时间点之前的预定时间段内时间点的位置点；

过滤所述在当前时间点与在当前时间点之前的预定时间段内时间点的噪声位置点，生成有效位置点；

将所述有效位置点按照时间和空间分布，聚类为N个位置点簇群；

分别计算所述位置点簇群的簇群中心与在时间上相邻的上一个簇群的簇群中心之间的移动距离；