CN116030059A - 基于轨迹的目标id重认证匹配方法及系统 - Google Patents
基于轨迹的目标id重认证匹配方法及系统 Download PDFInfo
- Publication number
- CN116030059A CN116030059A CN202310316291.4A CN202310316291A CN116030059A CN 116030059 A CN116030059 A CN 116030059A CN 202310316291 A CN202310316291 A CN 202310316291A CN 116030059 A CN116030059 A CN 116030059A
- Authority
- CN
- China
- Prior art keywords
- point
- track
- storage unit
- temporary storage
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种基于轨迹的目标ID重认证匹配方法及系统,该方法通过分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点;相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H‑T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;将误匹配的目标的轨迹重新匹配;获得匹配结果;本发明能够将短时间内断开的同一目标的两段运动轨迹匹配起来,具有较高的匹配准确率与跟踪精度,且数据处理量较少,能够保证重认证的实时性。
Description
技术领域
本发明涉及一种基于轨迹的目标ID重认证匹配方法及系统,属于计算机身份识别匹配领域。
背景技术
目前的身份识别,已经可以做到识别视频中各个不同特征的对象,并且对每个对象进行持续的跟踪。但是,在进行运动目标跟踪的视频分析环境下,由于各种原因,目标可能在短时间内跟踪丢失,造成再检测出的同一目标与原目标被识别成不同的对象。例如,在视频拍摄过程中,某个目标受到了遮挡,或者视频拍摄清晰度不够高,导致这个目标跟踪的丢失。
在短时间内目标跟踪丢失后,需要重新识别这个目标。由于识别到的身份ID可能发生变化,导致后续的数据处理非常麻烦,需要重新识别标号,大大降低了识别的效率。因此,需要将短时间内跟踪丢失的同一目标准确且快速对应起来,以方便后续数据处理。
针对上述问题,中国专利申请公开号为CN115170602A公开了一种在线多目标的跟踪方法、装置和存储介质,同样存在匹配准确率与跟踪精度较低的问题。
上述问题是在基于轨迹的目标ID重认证匹配过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种基于轨迹的目标ID重认证匹配方法及系统解决现有技术中存在的目标重认证匹配准确率与跟踪精度有待提高问题。
本发明的技术解决方案是:
一种基于轨迹的目标ID重认证匹配方法,包括以下步骤,
S1、获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
S2、设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;
S3、进行回溯重匹配,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配;
S4、循环步骤S3进行回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数的步骤S3的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
进一步地,步骤S1中,获得各目标的轨迹数据,并对首尾轨迹点进行分类,具体为,
S11、利用目标检测和目标跟踪方法提取各目标的各帧数据,包括目标出现在所有帧里的二维坐标信息以及目标出现对应的帧数;
S12、将步骤S11获取的各目标的二维坐标信息,根据帧数组成该目标的轨迹,根据轨迹的起始与结尾,将每一段轨迹的起始点分类为H点,将每一段轨迹的终止点分类为T点。
进一步地,步骤S2中,相同目标的不同身份通过轨迹特性进行身份的匹配,具体为,
S21、将步骤S1得到的H点与T点,分布在由目标二维信息和帧数组成的三维空间内;
S22、在三维空间内,从0帧开始,逐帧扫描,从扫描到第一个T点开始,每扫描到一个T点则加入T临时存放单元,每扫描到一个H点则加入H临时存放单元,直到最后一帧;
S23、对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,匹配成功则得到H-T点对,并将得到的H-T点对加入S临时存放单元;否则,匹配失败,T点仍保留在T临时存放单元,且H点仍保留在H临时存放单元。
进一步地,步骤S23中,对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,具体为,
S231、从T临时存放单元中取出一ID号为k的T点,回溯该T点所属目标的前设定数量的帧,计算出该T点的速度矢量;
S232、根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,将在Tk匹配区内的距离该点三维空间维度上最近的H点与该T点匹配,获得H-T点对。
进一步地,步骤S231中,回溯T点所属目标的前设定数量的帧,计算出该T点的速度矢量,具体为,
S2311、将前n帧内目标的坐标数据分别记为((
X 1 ,
Y 1 ),(
X 2 ,
Y 2 ),…,(
X n-1 ,
Y n-1 ),(
X n ,
Y n )),根据速度不突变假设,计算目标速度方向矢量,其中,
X n 、
X n-1 分别为第n帧、第n-1帧内目标的横坐标,
Y n 、
Y n-1 分别为第n帧、第n-1帧内目标的纵坐标;
S2312、通过第k帧和第k+1帧的坐标数据计算速率V(k)=sqrt((
X k+1 -
X k )^2+(
Y k+1 -
Y k )^2),k=1,2,3,……, n-1,其中,sqrt表示取平方根,
X k+1 、
X k 分别为第k+1帧、第k帧内目标的横坐标,
Y k+1 、
Y k 分别为第k+1帧、第k帧内目标的纵坐标;
S2313、通过第k帧目标的速率V(k) 和第k+1帧目标的速率V(k+1)计算出加速度A(k)=V(k+1)-V(k),k=1,2,3,……, n-2,计算出加速度平均值A=average(A(k)),k=1,2,3,……, n-2;计算本帧目标速率Vp=V(n-1)+A,其中,average表示取平均值,V(n-1)表示第n-1帧目标的速率;
S2314、最后得出本帧T点的速度矢量V=Vp*P。
进一步地,步骤S232中,根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,具体为,
S2321、设定ID号为k的T点的最大允许丢失时间为t-max,T点的运动速度上限为V-max,则T点的运动距离上限为R-max,并设定T点的速度矢量的最大允许误差角θ;
S2322、ID号为k的T点在最大允许丢失时间t-max内可到达的区域为以T点为圆心、T点的速度矢量V-current为中轴线、T点的速度矢量向左偏转θ与向右偏转θ的方向作为边界、半径为T点的运动距离上限R-max的扇形;
S2323、根据最大允许丢失时间t-max,将步骤S2322得到扇形向上拉伸设定的帧数f-max,得到ID号为k的T点的下一个H点出现的区域,即一个底面为步骤S2322得到扇形且高为设定的帧数f-max的直棱柱作为Tk匹配区。
进一步地,步骤S2中,H临时存放单元的逻辑结构采用队列。
进一步地,步骤S3中,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配,具体为,
S31、根据步骤S2重新扫描T临时存放单元中的T点,若根据步骤S2,无H点与该T点匹配,则将该T点与S临时存放单元中的H点以相同规则进行匹配;
S32、若根据步骤S31,有S临时存放单元中的H点成功匹配,则判定存在误匹配,将新配对成功的H-T对更新至S临时存放单元,并将因此而解开配对的T点重新进入T临时存放单元;
S33、若根据步骤S31,仍无点H与该T点配对,则该T点重新进入T临时存放单元。
一种采用上述任一项所述的基于轨迹的目标ID重认证匹配方法的基于轨迹的目标ID重认证匹配系统,包括轨迹提取划分模块、HT匹配模块、回溯重匹配模块和匹配结果生成模块,
轨迹提取划分模块:获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
HT匹配模块:设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;
回溯重匹配模块:进行回溯重匹配,具体为,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配;
匹配结果生成模块:循环回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
本发明的有益效果是:
一、该种基于轨迹的目标ID重认证匹配方法及系统,通过将目标的运动轨迹断点分为H点与T点,进而利用速度不突变的物理规律,能够将短时间内断开的同一目标的两段运动轨迹匹配起来,具有较高的匹配准确率与跟踪精度,且数据处理量较少,能够保证重认证的实时性。
二、本发明,针对可能匹配失误的问题,通过采用回溯重匹配方案,能够在一定程度上有效提高这个方法的匹配准确率,可用于运动物体识别过程中,物体的轨迹短时间断开时,将重新出现的物体ID与原物体ID进行准确匹配。
三、该种基于轨迹的目标ID重认证匹配方法及系统,能够减少后续数据处理工作量,一定程度上克服了视频拍摄工具以及跟踪识别技术的缺陷,降低了跟踪识别对于视频清晰度等方面的要求,使得跟踪识别的容错率提高,效率提高,可用于在跟踪某个现实目标坐标位置短时间丢失时,后续目标身份的重认定,弥补了目前方法的跟踪精度和实时性不足的问题。
附图说明
图1是本发明实施例基于轨迹的目标ID重认证匹配方法的流程示意图;
图2是实施例中获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点的示意图;
图3是实施例中将H点与T点分布在由目标二维信息和帧数组成的三维空间的示意图,其中,X、Y分别为二维坐标信息的横坐标和纵坐标,F为帧数;
图4是实施例中T点可能到达的区域即Tk匹配区的说明示意图,其中,X、Y分别为二维坐标信息的横坐标和纵坐标,F为帧数。
实施方式
下面结合附图详细说明本发明的优选实施例。
实施例提供一种基于轨迹的目标ID重认证匹配方法,如图1,包括以下步骤,
S1、获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
S11、利用目标检测和目标跟踪方法提取各目标的各帧数据,包括目标出现在所有帧里的二维坐标信息以及目标出现对应的帧数;
S12、将步骤S11获取的各目标的二维坐标信息,根据帧数组成该目标的轨迹,根据轨迹的起始与结尾,将每一段轨迹的起始点分类为H点,将每一段轨迹的终止点分类为T点。
步骤S12中,首先给出H点(Head)和T点(Tail)的概念。假设在某一目标被持续跟踪一段时间之后,丢失跟踪的前一帧的帧号为t0,且t0帧这个目标的坐标为(x,y),那么,这一帧就对应一个坐标为(x,y,t0)的T点。在第一个T点出现之后,如果某一目标在一段时间跟踪未被跟踪后,再开始被跟踪后,假设它再开始被跟踪的第一帧帧号为t1,且t1帧这个目标的坐标为(x’,y’),那么,这一帧就对应一个H点(x’,y’,t1)。
步骤S1中,采用检测器和跟踪器处理视频数据,获得运动物体在视频拍摄过程中的连续位置坐标数据,并且给每一个识别到的对象包括T点和H点一个固定的编号作为ID,对存在的所有编号进行无间断帧数提取,记录无间断帧集合中每个元素形式为:Ri={N,X,Y,F,C},其中,N为识别到的不同对象的标记作为编号ID,X、Y分别为二维坐标信息的横坐标和纵坐标,F为帧数,C为对象帧特征值,如图2;对象帧特征值C有三种取值分别为:H、T、0,对于集合中某元素Rx,元素Rx的对象帧特征值C的计算方法为:(1)若不存在元素Ry:元素Ry与元素Rx的编号ID相同即N值相等,且元素Ry的帧数比元素Rx的帧数大1,但存在元素Rz:元素Rz与元素Rx的编号ID相同即N值相等,且元素Rz的帧数比元素Rx的帧数大1,则元素Rx的对象帧特征值C=H,则为轨迹的起始点分类作为H点;(2)若存在元素Ry:元素Ry与元素Rx的编号ID相同即N值相等,且元素Ry的帧数比元素Rx的帧数大1,则元素Rx的对象帧特征值C=0,则为轨迹的中间点,非轨迹的起始点或终止点;(3)若存在元素Ry:元素Ry与元素Rx的编号ID相同即N值相等,且元素Ry的帧数比元素Rx的帧数大1,同时,不存在元素Rz:元素Rz与元素Rx的编号ID相同即N值相等,且元素Rz的帧数比元素Rx的帧数大1,则元素Rx的对象帧特征值C=T,则为轨迹的终止点分类作为T点。
S2、设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;步骤S2中,H临时存放单元的逻辑结构采用队列。
S21、将步骤S1得到的H点与T点,分布在由目标二维信息和帧数组成的三维空间内;如图3。
步骤S21中,建立一个三维坐标系γ,其xyz坐标轴分别为目标的x,y坐标以及帧号。将ID相同的目标相邻帧的坐标点相连,就会形成一段段空间轨迹曲线。按帧号从小到大顺序看,H点就是每一段曲线的“头”,而“T”点就是每一段曲线的“尾”。依据这个原理,标记所有的H点与T点。要做的就是将每一个T点和与之对应的H点进行配对。
S22、在三维空间内,从0帧开始,逐帧扫描,从扫描到第一个T点开始,每扫描到一个T点则加入T临时存放单元,每扫描到一个H点则加入H临时存放单元,直到最后一帧;
S23、对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,匹配成功则得到H-T点对,并将得到的H-T点对加入S临时存放单元;否则,匹配失败,T点仍保留在T临时存放单元,且H点仍保留在H临时存放单元。
步骤S23中,对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,具体为,
S231、从T临时存放单元中取出一ID号为k的T点,回溯该T点所属目标的前设定数量的帧如前15帧,计算出该T点的速度矢量;
步骤S231中,定义(抽象)速度矢量预测即V-predict,利用速度不突变的物理规律,可以根据一段连续时间内前n帧目标的速度矢量,推算出本帧目标的速度矢量。
步骤S231中,回溯T点所属目标的前设定数量的帧,计算出该T点的速度矢量,具体为,
S2311、将前n帧内目标的坐标数据分别记为((
X 1 ,
Y 1 ),(
X 2 ,
Y 2 ),…,(
X n-1 ,
Y n-1 ),(
X n ,
Y n )),根据速度不突变假设,计算目标速度方向矢量,其中,
X n 、
X n-1 分别为第n帧、第n-1帧内目标的横坐标,
Y n 、
Y n-1 分别为第n帧、第n-1帧内目标的纵坐标;
S2312、通过第k帧和第k+1帧的坐标数据计算速率V(k)=sqrt((
X k+1 -
X k )^2+(
Y k+1 -
Y k )^2),k=1,2,3,……, n-1,其中,sqrt表示取平方根,
X k+1 、
X k 分别为第k+1帧、第k帧内目标的横坐标,
Y k+1 、
Y k 分别为第k+1帧、第k帧内目标的纵坐标;
S2313、通过第k帧目标的速率V(k) 和第k+1帧目标的速率V(k+1)计算出加速度A(k)=V(k+1)-V(k),k=1,2,3,……, n-2,计算出加速度平均值A=average(A(k)),k=1,2,3,……, n-2;计算本帧目标速率Vp=V(n-1)+A,其中,average表示取平均值,V(n-1)表示第n-1帧目标的速率;
S2314、最后得出本帧T点的速度矢量V=Vp*P。
S232、根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,将在Tk匹配区内的距离该点三维空间维度上最近的H点与该T点匹配,获得H-T点对。
步骤S232中,根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,具体为,
S2321、设定ID号为k的T点的最大允许丢失时间为t-max,T点的运动速度上限为V-max,则T点的运动距离上限为R-max,并设定T点的速度矢量的最大允许误差角θ;
S2322、ID号为k的T点在最大允许丢失时间t-max内可到达的区域为以T点为圆心、T点的速度矢量V-current为中轴线、T点的速度矢量向左偏转θ与向右偏转θ的方向作为边界、半径为T点的运动距离上限R-max的扇形;
S2323、根据最大允许丢失时间t-max,将步骤S2322得到扇形向上拉伸设定的帧数f-max,得到ID号为k的T点的下一个H点出现的区域,即一个底面为步骤S2322得到扇形且高为设定的帧数f-max的直棱柱作为Tk匹配区,如图4。
步骤S232中,定义HT匹配即HT-match。对于每一个T点,由步骤S23计算出目标在对应帧的速度矢量V-current。那么,速度矢量V-current可以在T点所在的xoy平面内,以T点为原点表示出来。根据速度不突变的物理规律,可以判定:在跟踪丢失的这段极短的时间内,目标的速度矢量不会有太大的改变。由于V-current与真实值可能有一定的误差,设定T点的速度矢量的最大允许误差角θ,将V-current向左偏转θ与向右偏转θ的方向作为边界,这样会得到一个以T点为圆心、V-current为中轴线、半径无穷大的扇面。
步骤S232中,由于长时间丢帧匹配具有很大的不确定性,实施例只讨论短时间丢帧问题。定义最大允许丢失时间t-max,丢帧时间在t-max之内的归为短时间丢帧问题。在只考虑x,y坐标的情况下,目标短时间内可能到达的区域为以T点为圆心、V-current为中轴线、半径为R-max的扇形。再根据t-max,将扇面向上拉伸对应的帧数f-max(可以由帧率计算,也可以直接给定),得到这个目标的下一个H点可能出现的区域:一个底面为扇形的直棱柱作为Tk匹配区。
S3、进行回溯重匹配,检测已经匹配的轨迹身份匹配是否误匹配,并将误匹配的目标的轨迹重新进行匹配;
S31、根据步骤S2重新扫描T临时存放单元中的T点,若根据步骤S2,无H点与该T点匹配,则将该T点与S临时存放单元中的H点以相同规则进行匹配;
S32、若根据步骤S31,有S临时存放单元中的H点成功匹配,则判定存在误匹配,将新配对成功的H-T对更新至S临时存放单元,并将因此而解开配对的T点重新进入T临时存放单元;
S33、若根据步骤S31,仍无点H与该T点配对,则该T点重新进入T临时存放单元。
步骤S3中,针对匹配中,会出现一种情况:当一个H点进入H临时存放单元时,T临时存放单元为空,或其中找不到一个T点能与这个H点进行匹配。这时,如果S临时存放单元非空,那么将S中已匹配的T点逐一与这个H点匹配。如果匹配成功,那么这个被匹配的T点所在的点对为误匹配,将原本与之匹配的H点置换成新的H点。
S4、循环步骤S3进行回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数如3次的步骤S3的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
该种基于轨迹的目标ID重认证匹配方法,通过将目标的运动轨迹断点分为H点与T点,进而利用速度不突变的物理规律,能够将短时间内断开的同一目标的两段运动轨迹匹配起来,具有较高的匹配准确率与跟踪精度,且数据处理量较少,能够保证重认证的实时性。
本发明,针对可能匹配失误的问题,通过采用回溯重匹配方案,能够在一定程度上有效提高这个方法的匹配准确率,可用于运动物体识别过程中,物体的轨迹短时间断开时,将重新出现的物体ID与原物体ID进行准确匹配。
该种基于轨迹的目标ID重认证匹配方法,能够减少后续数据处理工作量,一定程度上克服了视频拍摄工具以及跟踪识别技术的缺陷,降低了跟踪识别对于视频清晰度等方面的要求,使得跟踪识别的容错率提高,效率提高,可用于在跟踪某个现实目标坐标位置短时间丢失时,后续目标身份的重认定,弥补了目前方法的跟踪精度和实时性不足的问题。实施例还提供一种采用上述任一项所述的基于轨迹的目标ID重认证匹配方法的基于轨迹的目标ID重认证匹配系统,包括轨迹提取划分模块、HT匹配模块、回溯重匹配模块和匹配结果生成模块,
轨迹提取划分模块:获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
HT匹配模块:设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;
回溯重匹配模块:进行回溯重匹配,具体为,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配;
匹配结果生成模块:循环回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
该种基于轨迹的目标ID重认证匹配方法及系统,基于轨迹匹配,并利用速度不突变的物理规律,将一段轨迹的尾部和对应目标下一段轨迹的头部匹配,能够较为准确地将短时间内跟踪丢失的同一目标对应起来,以方便后续数据处理,推动跟踪识别技术发展。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在该技术方案上所做的任何改动,均落入本发明保护范围之内。
Claims (9)
1.一种基于轨迹的目标ID重认证匹配方法,其特征在于:包括以下步骤,
S1、获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
S2、设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;
S3、进行回溯重匹配,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配;
S4、循环步骤S3进行回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数的步骤S3的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
2.如权利要求1所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S1中,获得各目标的轨迹数据,并对首尾轨迹点进行分类,具体为,
S11、利用目标检测和目标跟踪方法提取各目标的各帧数据,包括目标出现在所有帧里的二维坐标信息以及目标出现对应的帧数;
S12、将步骤S11获取的各目标的二维坐标信息,根据帧数组成该目标的轨迹,根据轨迹的起始与结尾,将每一段轨迹的起始点分类为H点,将每一段轨迹的终止点分类为T点。
3.如权利要求1所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S2中,相同目标的不同身份通过轨迹特性进行身份的匹配,具体为,
S21、将步骤S1得到的H点与T点,分布在由目标二维信息和帧数组成的三维空间内;
S22、在三维空间内,从0帧开始,逐帧扫描,从扫描到第一个T点开始,每扫描到一个T点则加入T临时存放单元,每扫描到一个H点则加入H临时存放单元,直到最后一帧;
S23、对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,匹配成功则得到H-T点对,并将得到的H-T点对加入S临时存放单元;否则,匹配失败,T点仍保留在T临时存放单元,且H点仍保留在H临时存放单元。
4.如权利要求3所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S23中,对得到的T临时存放单元的T点,与H临时存放单元的H点进行匹配,具体为,
S231、从T临时存放单元中取出一ID号为k的T点,回溯该T点所属目标的前设定数量的帧,计算出该T点的速度矢量;
S232、根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,将在Tk匹配区内的距离该点三维空间维度上最近的H点与该T点匹配,获得H-T点对。
5.如权利要求4所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S231中,回溯T点所属目标的前设定数量的帧,计算出该T点的速度矢量,具体为,
S2311、将前n帧内目标的坐标数据分别记为((X 1 ,Y 1 ),(X 2 ,Y 2 ),…,(X n-1 ,Y n-1 ),(X n ,Y n )),根据速度不突变假设,计算目标速度方向矢量,其中,X n 、X n-1 分别为第n帧、第n-1帧内目标的横坐标,Y n 、Y n-1 分别为第n帧、第n-1帧内目标的纵坐标;
S2312、通过第k帧和第k+1帧的坐标数据计算速率V(k)=sqrt((X k+1 - X k )^2+( Y k+1 - Y k )^2),k=1,2,3,……, n-1,其中,sqrt表示取平方根,X k+1 、X k 分别为第k+1帧、第k帧内目标的横坐标,Y k+1 、Y k 分别为第k+1帧、第k帧内目标的纵坐标;
S2313、通过第k帧目标的速率V(k) 和第k+1帧目标的速率V(k+1)计算出加速度A(k)=V(k+1)-V(k),k=1,2,3,……, n-2,计算出加速度平均值A=average(A(k)),k=1,2,3,……,n-2;计算本帧目标速率Vp=V(n-1)+A,其中,average表示取平均值,V(n-1)表示第n-1帧目标的速率;
S2314、最后得出本帧T点的速度矢量V=Vp*P。
6.如权利要求4所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S232中,根据该T点的速度矢量,在步骤S21的三维空间内获得Tk匹配区,具体为,
S2321、设定ID号为k的T点的最大允许丢失时间为t-max,T点的运动速度上限为V-max,则T点的运动距离上限为R-max,并设定T点的速度矢量的最大允许误差角θ;
S2322、ID号为k的T点在最大允许丢失时间t-max内可到达的区域为以T点为圆心、T点的速度矢量V-current为中轴线、T点的速度矢量向左偏转θ与向右偏转θ的方向作为边界、半径为T点的运动距离上限R-max的扇形;
S2323、根据最大允许丢失时间t-max,将步骤S2322得到扇形向上拉伸设定的帧数f-max,得到ID号为k的T点的下一个H点出现的区域,即一个底面为步骤S2322得到扇形且高为设定的帧数f-max的直棱柱作为Tk匹配区。
7.如权利要求1-6任一项所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S2中,H临时存放单元的逻辑结构采用队列。
8.如权利要求1-6任一项所述的基于轨迹的目标ID重认证匹配方法,其特征在于:步骤S3中,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配,具体为,
S31、根据步骤S2重新扫描T临时存放单元中的T点,若根据步骤S2,无H点与该T点匹配,则将该T点与S临时存放单元中的H点以相同规则进行匹配;
S32、若根据步骤S31,有S临时存放单元中的H点成功匹配,则判定存在误匹配,将新配对成功的H-T对更新至S临时存放单元,并将因此而解开配对的T点重新进入T临时存放单元;
S33、若根据步骤S31,仍无点H与该T点配对,则该T点重新进入T临时存放单元。
9.一种采用权利要求1-8任一项所述的基于轨迹的目标ID重认证匹配方法的基于轨迹的目标ID重认证匹配系统,其特征在于:包括轨迹提取划分模块、HT匹配模块、回溯重匹配模块和匹配结果生成模块,
轨迹提取划分模块:获得各目标的轨迹数据,并对轨迹的首尾轨迹点进行分类,分别获得轨迹的起始点分类作为H点以及轨迹的终止点分类作为T点,并对H点和T点设定ID;
HT匹配模块:设置H临时存放单元、S临时存放单元、T临时存放单元,相同目标的不同身份通过轨迹特性进行身份的匹配,使H临时存放单元存入已扫描且未与T点匹配的H点,S临时存放单元存入将已经匹配好的H-T点对,T临时存放单元存入已扫描且未与H点匹配的T点和来自S临时存放单元的T点;
回溯重匹配模块:进行回溯重匹配,具体为,检测已经匹配的轨迹身份匹配是否误匹配,将误匹配的目标的轨迹重新进行匹配;
匹配结果生成模块:循环回溯重匹配直至T临时存放单元中无T点或者所剩下所有T点均进行设定次数的回溯重匹配后,获得更新后的S临时存放单元,更新后的S临时存放单元中的H-T点对即为匹配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316291.4A CN116030059B (zh) | 2023-03-29 | 2023-03-29 | 基于轨迹的目标id重认证匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316291.4A CN116030059B (zh) | 2023-03-29 | 2023-03-29 | 基于轨迹的目标id重认证匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030059A true CN116030059A (zh) | 2023-04-28 |
CN116030059B CN116030059B (zh) | 2023-06-16 |
Family
ID=86079804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310316291.4A Active CN116030059B (zh) | 2023-03-29 | 2023-03-29 | 基于轨迹的目标id重认证匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030059B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188269A (ja) * | 2006-01-12 | 2007-07-26 | Univ Of Tokyo | 画像上移動物体追跡方法及び装置 |
US20090003653A1 (en) * | 2007-06-28 | 2009-01-01 | Toshiba Tec Kabushiki Kaisha | Trajectory processing apparatus and method |
CN103460248A (zh) * | 2011-04-07 | 2013-12-18 | 富士胶片株式会社 | 图像处理方法和装置 |
CN106095104A (zh) * | 2016-06-20 | 2016-11-09 | 电子科技大学 | 基于目标模型信息的连续手势轨迹分割方法及系统 |
CN112580476A (zh) * | 2020-12-14 | 2021-03-30 | 深圳创怀医疗科技有限公司 | 一种精子识别与多目标轨迹跟踪方法 |
CN112634326A (zh) * | 2020-12-17 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-29 CN CN202310316291.4A patent/CN116030059B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188269A (ja) * | 2006-01-12 | 2007-07-26 | Univ Of Tokyo | 画像上移動物体追跡方法及び装置 |
US20090003653A1 (en) * | 2007-06-28 | 2009-01-01 | Toshiba Tec Kabushiki Kaisha | Trajectory processing apparatus and method |
CN103460248A (zh) * | 2011-04-07 | 2013-12-18 | 富士胶片株式会社 | 图像处理方法和装置 |
CN106095104A (zh) * | 2016-06-20 | 2016-11-09 | 电子科技大学 | 基于目标模型信息的连续手势轨迹分割方法及系统 |
CN112580476A (zh) * | 2020-12-14 | 2021-03-30 | 深圳创怀医疗科技有限公司 | 一种精子识别与多目标轨迹跟踪方法 |
CN112634326A (zh) * | 2020-12-17 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116030059B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | An automatic system for unconstrained video-based face recognition | |
Kaâniche et al. | Gesture recognition by learning local motion signatures | |
CN110738690A (zh) | 一种基于多目标追踪框架的无人机视频中车速校正方法 | |
CN104050475A (zh) | 基于图像特征匹配的增强现实的系统和方法 | |
CN104036287A (zh) | 一种基于人类运动显著轨迹的视频分类方法 | |
CN113160285B (zh) | 一种基于局部深度图像关键性的点云匹配方法 | |
Ma et al. | Binocular vision object positioning method for robots based on coarse-fine stereo matching | |
Sun et al. | Multi-stage refinement feature matching using adaptive ORB features for robotic vision navigation | |
Li et al. | Adaptive and compressive target tracking based on feature point matching | |
Tang et al. | Contour-aware long-term tracking with reliable re-detection | |
CN102831388B (zh) | 基于扩展的活动形状模型的实时特征点检测方法与系统 | |
Liu et al. | AnchorPoint: Query design for transformer-based 3D object detection and tracking | |
CN116030059B (zh) | 基于轨迹的目标id重认证匹配方法及系统 | |
Gu et al. | Multi-scale vehicle logo recognition by directional dense SIFT flow parsing | |
CN117218195A (zh) | 基于点、线特征约束的同时定位与建图方法 | |
KR101001184B1 (ko) | 얼굴 정규화 벡터를 이용한 반복적 3차원 얼굴 포즈 추정 방법 | |
CN116434219A (zh) | 基于激光雷达的三维目标识别方法 | |
Liu et al. | Multipedestrian online tracking based on social force-predicted deformable key-points mapping via compressive sensing | |
Ji et al. | A view-invariant action recognition based on multi-view space hidden markov models | |
CN112633078B (zh) | 目标跟踪自校正方法、系统、介质、设备、终端及应用 | |
CN115171223A (zh) | 基于无约束动态时间规划在线签名鉴别方法及系统 | |
CN110895684B (zh) | 一种基于Kinect的手势动作识别方法 | |
CN114119885A (zh) | 图像特征点匹配方法、装置及系统、地图构建方法及系统 | |
Sun et al. | Research on Vision-based pedestrian detection and tracking algorithm | |
CN108960302A (zh) | 一种基于随机森林的头部姿态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |