买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南信息职业技术学院

摘要：本发明公开了一种基于运动路径分析的身份识别多目标跟踪方法及系统，该方法获取从多个角度拍摄的多目标的运行轨迹数据；将所有运行轨迹数据映射至三维坐标系中，获得观测值；基于具有相似外观的观测值进行建模，得到外观关联模型；基于相邻帧中相隔预设距离的观测值进行建模，得到空间关联模型；基于外观关联模型和空间关联模型，编码外观和空间关联的初步损失函数；在初步损失函数中增加互斥约束和空间局部性约束，获得最终损失函数；采用求解路径算法求解最终损失函数，获得求解路径；基于求解路径，获得多个目标中的每个目标的运动路径轨迹；对每个目标进行跟踪。本发明能够进行身份识别，提高目标跟踪的准确性，提高目标跟踪质量。

主权项：1.一种基于运动路径分析的身份识别多目标跟踪方法，其特征在于，包括步骤：获取从多个角度拍摄的多目标的运行轨迹数据；将所有所述运行轨迹数据映射至三维坐标系中，获得观测值；基于具有相似外观的所述观测值进行建模，得到外观关联模型；基于相邻帧中相隔预设距离的所述观测值进行建模，得到空间关联模型；其中：通过如下三个条件，选取每个观测值的最近邻集合：第一个条件包括从观测值i到观测值j所需的速度小于或等于预设速度；第二个条件包括观测值i被观测到的时间和观测值j被观测到的时间之间间隔小于或等于预设时间；第三个条件包括观测值i的颜色直方图和观测值j的颜色直方图之间的相似性高于阈值；基于所述最近邻集合，计算稀疏关联矩阵W∈Rn×n：若观测值j∈Qi，则Wij＝χ2Hi,Hj；否则，Wij＝0；其中，所述Qi表示满足观测值i最近邻条件的k个最相似观测值的集合，所述W表示稀疏关联矩阵，所述Rn×n表示n行n列的矩阵，所述χ2表示度量指数，所述Hi表示观测值i的颜色直方图，所述Hj表示观测值j的颜色直方图；基于所述稀疏关联矩阵，计算对角矩阵基于所述稀疏关联矩阵和所述对角矩阵，获得所述外观关联模型L＝D-W；获取距离观测值i的距离小于预设距离帧数小于预设帧数的观测值集合Ki；从所述观测值集合Ki计算关联矩阵A∈Rn×n，其中，若观测值j∈Ki，则Aij＝1，否则，Aij＝0，所述A表示关联矩阵，所述Rn×n表示n行n列的矩阵；基于所述关联矩阵，计算对角角度矩阵计算归一化的第二拉普拉斯矩阵通过归一化的第二拉普拉斯矩阵编码空间关联，获得所述空间关联模型，其中I为单位矩阵；基于所述外观关联模型和所述空间关联模型，编码外观和空间关联的初步损失函数；其中：通过如下公式构建所述初步损失函数：minTrFTL+KF 其中，所述Tr·表示矩阵的迹运算，所述FT表示n行n列的标签矩阵F的转置，所述标签矩阵为标签分配情况编码而成，所述y表示人脸识别信息集，所述人脸识别信息集由y＝{a,b|观测值a被识别为个体b}表示；在所述初步损失函数中增加互斥约束和空间局部性约束，获得最终损失函数；其中，所述互斥约束包括一个观测值最多属于一类别，所述空间局部性约束包括一个观测值移动到另一个观测值所需的速度大于预设的速度，则两个观测值不属于同一类别；采用求解路径算法求解所述最终损失函数，获得求解路径；其中：通过如下公式构建所述最终损失函数：minTrFTL+KF 其中，Tr·表示矩阵的迹运算，所述Fr表示观测值r的标签矩阵，所述n表示有n个观测值，所述T表示不属于同一类别的观测值对，所述观测值对表示观测值i和观测值j，元素Fil和元素Fjl不能均为非零元素，所述c表示被跟踪的总个体数，l表示被跟踪的总个体数中的一个个体；通过计算lp的求解路径连接l1范数约束下易获得的解和l0范数约束下难获得的解，其中，0≤p≤1；从l1范数约束下的解开始，采用求解路径算法相继解出不同lp范数约束下的相同优化问题，其中p逐渐从1减到0，所述求解路径算法的求解过程为：用pm表示求解路径算法第m次迭代所使用的p，p1＝1，pM→0，并且对于2≤m≤M，pm-1pm；在lpm范数约束下，采用块坐标下降法计算所述最终损失函数的解Fm，获得集合F＝{F1,F2,...,FM}，所述F表示求解路径；基于所述求解路径，获得多个目标中的每个目标的运动路径轨迹；基于每个目标的所述运动路径轨迹，对每个目标进行跟踪。

全文数据：

权利要求：

百度查询： 湖南信息职业技术学院 一种基于运动路径分析的身份识别多目标跟踪方法及系统