(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210960897.7 (22)申请日 2022.08.11 (71)申请人 昆明理工大 学 地址 650093 云南省昆明市五华区学府路 253号 (72)发明人 曾凯　游雨婕　朱艳　沈韬　 王青旺　陶智敏　汪志锋　 (74)专利代理 机构 昆明明润知识产权代理事务 所(普通合伙) 53215 专利代理师 王鹏飞 (51)Int.Cl. G06T 7/20(2017.01) G06T 5/00(2006.01) G06T 7/246(2017.01) G06T 7/277(2017.01)G06V 10/80(2022.01) G06V 20/40(2022.01) (54)发明名称 一种噪声 控制多目标跟踪方法 (57)摘要 本发明涉及一种噪声控制多目标跟踪 方法， 属于图像处理技术领域。 本发明将跟踪数据的当 前帧、 前一帧以及当前帧热力图进行特征提取与 加法融合。 通过引入先验降噪模块去除融合冗余 噪声， 计算融合结果中热力图中心点的梯度， 获 取目标中心点进行目标检测。 对检测结果进行平 滑增益卡尔曼滤波,获取目标的运动信息。 结合 运动信息对帧间目标进行数据关联， 获得目标运 动轨迹。 设计梯度加速轨迹重连接模块， 对碎片 轨迹与中断轨迹进行轨迹重连接， 获得精确的跟 踪结果。 本发 明不仅提高了小目标跟踪和复杂环 境跟踪场景下跟踪精度， 而且提升了数据关联中 运动信息的获取， 缓解了 轨迹漂移的问题。 权利要求书1页 说明书4页 附图2页 CN 115482250 A 2022.12.16 CN 115482250 A 1.一种噪声控制多目标跟踪方法， 其特 征在于： Step1： 通过摄 像头获取视频 数据； Step2： 将跟踪数据的当前帧、 前一帧以及当前帧热力图进行特征提取与加法融合， 通 过引入先验降噪模块去除融合冗余噪声； Step3： 对融合结果进行特征提取， 获得不同感受野 的热力图融合特征， 计算融合结果 中热力图中心点的梯度， 获取目标中心点进行目标检测； Step4： 对检测结果进行平滑增益卡尔曼滤波， 通过将高斯函数与检测结果置信度结合 获取平滑自适应观测噪声矩阵， 获取目标的运动信息； Step5： 结合 运动信息对帧间目标进行 数据关联， 获得目标运动轨 迹； Step6： 设计梯度加速轨迹重连接模块， 对碎片轨迹与中断轨迹进行轨迹重连接， 获得 精确的跟踪结果。 2.根据权利要求1所述的噪声控制多目标跟踪方法， 其特 征在于， 所述Step2具体为： Step2.1： 将跟踪数据的当前帧、 前一帧以及当前帧热力图进行 特征提取与加法融合； Step2.2： 将融合特 征的C_25 6与C_128输入先验降噪模块中； Step2.3： 通过 无偏置的特 征提取与特 征重组去除融合特 征的冗余噪声。 3.根据权利要求1所述的噪声控制多目标跟踪方法， 其特 征在于， 所述Step4具体为： Step4.1： 计算测量预拟合残差； Step4.2： 通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵SG_Rk， 其中高斯半径σ 为3； Step4.3： 计算预拟合残差协方差； Step4.4： 基于通过高斯 函数平滑后的自适应观测噪声矩阵计算 卡尔曼增益矩阵； Step4.5： 更新系统估计值； Step4.6： 计算更新后的估计协方差矩阵。权　利　要　求　书 1/1 页 2 CN 115482250 A 2一种噪声控制多目标跟踪 方法 技术领域 [0001]本发明涉及一种噪声控制多目标跟踪方法， 属于图像处 理技术领域。 背景技术 [0002]随着人工智能技术的飞速发展， 基于计算机视觉技术的智能监控系统、 自动驾驶 领域较以往取得了重大 的突破， 进一步减少 了人力资源的浪费， 提高了安防和交通领域的 安全性。 视觉多目标跟踪技术是这些领域中的关键基础性技术之一， 视觉目标跟踪算法的 准确鲁棒性对于进一步提升高层智能应用的安全有效性具有重要意义。 多目标跟踪任务需 要保证跟踪的实时性与准确 性， 传统的基于检测器的跟踪算法过于依赖检测器， 外界环境 的遮挡、 光照、 形变等因素对检测造成的轻微误差都会极大影响前后帧间的数据关联， 从而 导致跟踪目标丢失进 而使跟踪轨 迹中断。 发明内容 [0003]本发明要解决的技术问题是提供一种噪声控制多目标跟踪方法， 提高在小目标跟 踪和复杂环境跟踪场景 下的跟踪精度， 从而解决上述问题。 [0004]本发明的技术方案是： 一种噪声控制多 目标跟踪方法， 通过将高斯函数与检测结 果置信度结合 获取平滑自适应观测噪声矩阵， 进一步得到平滑增益， 获取目标的运动信息， 具体步骤为： [0005]Step1： 通过摄 像头获取视频 数据。 [0006]Step2： 将跟踪数据的当前帧、 前一帧以及当前帧热力图进行特征提取与加法融 合， 通过引入先验降噪模块去除融合冗余噪声。 [0007]Step3： 对融合结果进行特征提取， 获得不同感受野的热力图融合特征， 计算融合 结果中热力图中心点的梯度， 获取目标中心点进行目标检测。 [0008]Step4： 对检测结果进行平滑增益卡尔曼滤波， 通过将高斯函数与检测结果置信度 结合获取平 滑自适应观测噪声矩阵， 进一 步得到平 滑增益， 获取目标的运动信息 。 [0009]Step5： 结合 运动信息对帧间目标进行 数据关联， 获得目标运动轨 迹。 [0010]Step6： 设计梯度加速轨迹重连接模块， 对碎片轨迹与中断轨迹进行轨迹重连接， 获得精确的跟踪结果。 [0011]所述Step2具体为： [0012]Step2.1： 将跟踪数据的当前帧、 前一帧以及当前帧热力图进行特征提取与加法 融 合。 [0013]Step2.2： 将融合特 征的C_25 6与C_128输入先验降噪模块中。 [0014]Step2.3： 通过 无偏置的特 征提取与特 征重组去除融合特 征的冗余噪声。 [0015]所述Step4具体为： [0016]Step4.1： 计算测量预拟合残差 。 [0017]Step4.2： 通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵说　明　书 1/4 页 3 CN 115482250 A 3