1.多目标跟踪方法,其特征在于,该方法实现多个目标的同步跟踪,其包括以下步骤:载入并读取视频,选取目标即特征点的跟踪位置,对所述特征点进行检测及处理,最终输出跟踪结果。
2.根据权利要求1所述的多目标跟踪方法,其特征在于,先载入视频并设置初始参数,所述载入并读取视频具体为:
载入所述视频并对所述视频的信息进行读取,设置初始帧、读取帧数、跟踪窗口大小以及最少跟踪特征点个数。
3.根据权利要求1所述的多目标跟踪方法,其特征在于,对所述特征点进行检测及处理具体为:
对视频图像进行灰度预处理,检测和分析所述特征点周围图像灰度变化,通过KLT算法对跟踪区域特征点进行匹配并进行优化处理。
4.根据权利要求3所述的多目标跟踪方法,其特征在于,所述特征点检测方法为:
其中,Iu(m)和Iv(m)分别为图像特征点m处沿u方向和v方向的导数,权重函数ω(u,v)采用均匀分布或高斯分布;对该矩阵进行对角化处理,得出两个特征值λ1和λ2表示像素在特征方向上的变化量;当两个特征值都大于设定值时则该点为所跟踪特征点。
5.根据权利要求4所述的多目标跟踪方法,其特征在于,所述特征点检测方法为:采用快速计算方法求取特征点,具体方法为:
cornerpoints=det(A)-α×tr2(A) (2)
其中,det(A)和tr(A)分别为矩阵(1)的行列式和矩阵的迹,选取适当的阈值,超过阈值即为检测的特征点,为跟踪区域的特征点。
6.根据权利要求3所述的多目标跟踪方法,其特征在于,对检测出的特征点进行匹配处理,所述通过KLT算法对特征点进行匹配及优化处理具体为:
设在t时刻图像帧表示为I(x,y,t),在t+Δt时刻图像帧表示I(x+Δx,y+Δy,t+Δt),在t+Δt时刻的特征点为B(X)=B(x,y,t+Δt),其中X(x,y)表示为特征点坐标;在t+Δt时刻的特征点为A(X+d)=A(x+Δx,y+Δy,t+Δt);设n(X)为时间Δt内由于光照条件变化等产生的噪声,则有
B(X)=A(X+d)+n(X) (3)
将n(X)平方并在整个窗口上积分,即为窗口图像的灰度差平方和函数为:
其中,ω(X)为加权函数,采用高斯分布函数;d(Δx,Δy)=(Δx,Δy)T,X=(x,y)T,将A(X+d)进行泰勒级数展开,g为泰勒展开的一阶泰勒系数,g=(gx(X),gy(X))T可以得到:
A(X+d)=A(X)+g·d (5)
将式(5)带入式(4)中并对d求导,可得到:
令式(6)变换为:
令式(7)表示为:
Zd=e (8)
采用牛顿迭代表达式,其表达式为:
dk+1=dk+Z-1e (9)
初始迭代值通常为d0=(0,0)T,对每个特征点进行迭代,满足设定精度停止迭代,求出特征点的位移d(Δx,Δy);
对每个跟踪对象中的特征点进行优化处理具体为:
式中,(u*,v*)为所求跟踪区域的像素坐标,(ui,vi)为跟踪区域中第i个特征点像素坐标,n为每个跟踪区域内特征点个数。