[发明专利]一种视频图像自动识别目标的编号一致性管理方法

说明书

本发明公开了一种视频图像自动识别目标的编号一致性管理方法，属于视频图像目标跟踪技术领域，包括以下步骤：S1：目标编号初始化；S2：帧间目标匹配；S3：目标集清洗；S4：输出有效目标；S5：多目标编号跟踪。本发明采用活力值表示目标的跟踪状态，非常方便的区别新增、漏检、虚警、遮挡等各种情况；保留足够帧数的目标缓存数据，使被遮挡的目标重新出现时，也能够重新识别到，并保留原编号；具有准确、高效的优良特性，非常适合实时处理应用，值得被推广使用。

技术领域

本发明涉及视频图像目标跟踪技术领域，具体涉及一种视频图像自动识别目标的编号一致性管理方法。

背景技术

视频目标跟踪技术作为计算机视觉的重要研究方向，近年来受到广泛关注。视频目标跟踪指已知视频序列中目标的初始状态(如位置、大小、编号等)，在后续序列中对目标进行检测分析，获取目标的状态并进行标识。计算机在目标特征提取、目标检测等预处理的基础上对目标进行深入分析，实现对目标状态的理解。当前，目标跟踪技术的应用范围越来越广，在军事和民用上均有着重要的应用价值，如侦察监视、视频监控、智能交通等。

采用基于深度学习的神经网络智能目标识别方法能够实现视频图像序列中多类别、多目标的自动识别。自动目标识别结果中每个目标都有类别、位置、大小、置信度等信息。对目标进行编号一致性管理能够避免目标辨识的歧义，方便对识别目标进行连续跟踪识别，统计观测期间目标数量，对同一目标进行状态分析等。编号一致性管理要求每个目标都有唯一编号，同一目标在出现期间的编号保持不变。目标编号一致性管理是视频观测中的重要步骤。但是，多种因素影响目标编号一致性管理，主要有如下因素：(1)目标识别漏检；(2)目标识别虚警；(3)目标被遮挡；(4)目标进入视场；(5)目标离开视场等。这使得适应多种复杂情况的稳健的编号一致性管理算法非常有难度。为此，提出一种视频图像自动识别目标的编号一致性管理方法。

发明内容

本发明所要解决的技术问题在于：如何解决因目标识别漏检、虚警、遮挡、进入和离开视场等因素导致视频目标编号无法保持一致的问题，提供了一种视频图像自动识别目标的编号一致性管理方法，该方法采用了目标活力值判断、帧间目标位置匹配、基于FFT的图像相关性匹配等技术，突破了帧间目标编号一致性管理技术难题，保证了视频图像识别目标的连续跟踪。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：目标编号初始化

对第一帧图像经过目标识别之后的目标识别结果进行目标参数初始化，目标按照顺序从1开始编号，每个目标的活力值初始化为最大值；

S2：帧间目标匹配

将后续每帧图像新的目标识别结果与上一帧目标集进行匹配，匹配成功的目标更新编号，设置活力值为最大值；对前一帧中未匹配上的目标进行帧间跟踪检测，通过对前后帧图像中目标区域的图像进行基于FFT的图像相关性匹配，得到目标在当前帧中的准确位置，更新目标参数，递减活力值；对当前帧中未匹配上的目标进行匹配跟踪检测，遍历上一帧目标集中活力值小于0的目标，进行基于FFT的匹配跟踪检测；将匹配上的目标的活力值设置为最大值，将原目标编号赋值给当前帧中的目标；对于未匹配上的目标，作为新目标，按顺序设置新编号和最大活力值，并添加到目标集中；

S3：目标集清洗

将活力值小于最小值的目标从目标集中删除，得到当前帧最终目标集；

S4：输出有效目标

将最终目标集中活力值大于0的目标输出；

S5：多目标编号跟踪

迭代执行步骤S2～S5，对连续视频的多目标编号进行跟踪。