[发明专利]视频中多车辆和多行人目标的跟踪方法

权利要求书

1.一种视频中多车辆和多行人目标的跟踪方法，其特征在于，包括以下步骤：

步骤1)，数据获取：获取视频数据；

步骤2)，目标匹配：针对所述视频数据，建立检测结果与跟踪结果的关联矩阵，对检测结果提取基于目标类别的表观特征，分层递进进行目标匹配；

步骤3)，辅助匹配：利用目标间方位约束关系进一步匹配目标匹配中未成功匹配的表观相似目标；

步骤4)，漏检目标恢复：利用运动预测和表观特征恢复本帧未被检测的漏检目标；

步骤5)，跟踪结果输出：维护跟踪链，更新目标间方位约束关系，输出本帧跟踪结果。

2.根据权利要求1所述的一种视频中多车辆和多行人目标的跟踪方法，其特征在于，所述获取视频数据包括实时采集视频数据。

3.根据权利要求1所述的一种视频中多车辆和多行人目标的跟踪方法，其特征在于，所述获取视频数据包括通过文件读取视频数据。

4.根据权利要求1或2所述的一种视频中多车辆和多行人目标的跟踪方法，其特征在于，所述获取视频数据包括采用安装在自动驾驶车辆上的相机采集视频数据。

5.根据权利要求1所述的一种视频中多车辆和多行人目标的跟踪方法，其特征在于，

所述目标匹配还包括：

步骤1.1)，依据目标类别分别建立车辆目标关联矩阵和行人目标关联矩阵。

6.根据权利要求5所述的一种视频中多车辆和多行人目标的跟踪方法，其特征在于，

所述步骤1.1)中依据目标类别分别建立车辆目标关联矩阵和行人目标关联矩阵包括：

以公式(1)所示的本帧检测目标序列集合D_i

D_i＝{d₁,d₂,…d_i…,d_M-1,d_M} (1)

为行(或列)，以公式(2)所示的前帧跟踪目标序列集合T_j

T_j＝{t₁,t₂,…t_j…,t_N-1,t_N} (2)

为列(或行)建立M×N关联矩阵，M、N为自然数，所述关联矩阵中的每个元素A_ij代表公式(3)所示的检测目标d_i

d_i＝{type_i,x_i,y_i,w_i,h_i}(i＝1,2,…,M) (3)

与公式(4)所示的跟踪目标t_j

的关联结果(初始化A_ij＝1，A_ij＝1代表d_i和t_j关联，否则代表不关联)，其中，type_i为d_i类别，{x_i,y_i}为d_i目标框中心点坐标,{w_i,h_i}为d_i目标框的宽高即目标框大小，id_j为t_j的ID，{x_j,y_j}为t_j目标框中心点坐标，{w_j,h_j}为t_j目标框的宽高，为t_j的运动速度，{Δw_j,Δh_j}为t_j的宽高变化量。