本發(fā)明涉及一種融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法。

背景技術(shù)：
多目標(biāo)跟蹤是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，多目標(biāo)跟蹤是指利用計(jì)算機(jī)在視頻序列中確定感興趣的、具有某種顯著視覺(jué)特征的各個(gè)獨(dú)立運(yùn)動(dòng)目標(biāo)的位置、大小、以及各個(gè)目標(biāo)完整的運(yùn)動(dòng)軌跡。近年來(lái)，隨著計(jì)算機(jī)數(shù)據(jù)處理能力的飛速增長(zhǎng)、以及圖像分析技術(shù)的發(fā)展，對(duì)象的實(shí)時(shí)追蹤技術(shù)脫穎而出，它在視頻監(jiān)控、視頻壓縮編碼、機(jī)器人導(dǎo)航與定位、智能人機(jī)交互、虛擬現(xiàn)實(shí)等領(lǐng)域有著非常重要的實(shí)用價(jià)值。當(dāng)前在圖像序列中進(jìn)行目標(biāo)跟蹤的方法大致可分為以下3種:(1)基于運(yùn)動(dòng)分析的方法，其中典型的有差分法、光流法等，此類算法在背景變化小、圖像畸變極小和噪聲干擾極小等情況下適用；(2)基于圖像匹配識(shí)別的方法，其中典型的有區(qū)域匹配、特征匹配等，此類方法的前提是圖像中跟蹤的目標(biāo)單一；(3)基于狀態(tài)濾波的方法，其中典型的有Kalman濾波，粒子濾波等，此類方法需要在獲取目標(biāo)動(dòng)態(tài)信息的基礎(chǔ)上實(shí)施,且目標(biāo)運(yùn)動(dòng)模型簡(jiǎn)單，易于估計(jì)。在多目標(biāo)跟蹤系統(tǒng)中，其不僅需要處理航跡起始、濾波算法、航跡終結(jié)的問(wèn)題，同時(shí)由于跟蹤系統(tǒng)與跟蹤環(huán)境越來(lái)越復(fù)雜，還要解決航跡與量測(cè)的數(shù)據(jù)關(guān)聯(lián)問(wèn)題。其中數(shù)據(jù)關(guān)聯(lián)問(wèn)題是跟蹤系統(tǒng)實(shí)現(xiàn)的關(guān)鍵，建立航跡與量測(cè)的一一對(duì)應(yīng)關(guān)系的過(guò)程就是數(shù)據(jù)關(guān)聯(lián)。對(duì)于密集多回波環(huán)境，特別是當(dāng)目標(biāo)相距較近或者軌跡交叉，使得多個(gè)回波可能位于同一個(gè)跟蹤門(mén)內(nèi)，或者單個(gè)回波位于多個(gè)跟蹤門(mén)的交集內(nèi)，導(dǎo)致目標(biāo)關(guān)聯(lián)困難。目前，數(shù)據(jù)關(guān)聯(lián)典型方法有：最近鄰法，概率數(shù)據(jù)關(guān)聯(lián)，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)等。在進(jìn)行關(guān)聯(lián)跟蹤之前，方法必須得到目標(biāo)的量測(cè)數(shù)據(jù)。公開(kāi)號(hào)為CN101887587的中國(guó)專利公開(kāi)了“視頻監(jiān)控中基于運(yùn)動(dòng)目標(biāo)檢測(cè)的多目標(biāo)跟蹤方法”，第一，該專利在數(shù)據(jù)關(guān)聯(lián)部分是建立前一幀已檢測(cè)目標(biāo)與當(dāng)前幀前景目標(biāo)團(tuán)塊的關(guān)聯(lián)矩陣，通過(guò)判斷兩者之間的位置重合度來(lái)判斷目標(biāo)關(guān)聯(lián)性、新目標(biāo)產(chǎn)生和目標(biāo)消失，選擇和目標(biāo)預(yù)測(cè)距離最近的量測(cè)數(shù)據(jù)作為正確量測(cè)更新目標(biāo)狀態(tài)，即最近鄰數(shù)據(jù)關(guān)聯(lián)算法。但是對(duì)于高目標(biāo)密度或雜波密度環(huán)境，使用最近鄰算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)容易導(dǎo)致誤關(guān)聯(lián)，引起跟蹤丟失或航跡合并現(xiàn)象；第二，該專利通過(guò)背景差分得到前景圖，會(huì)很高效地提取目標(biāo)量測(cè)數(shù)據(jù)，但在后面關(guān)聯(lián)跟蹤中沒(méi)有考慮到當(dāng)目標(biāo)由運(yùn)動(dòng)變靜止后，目標(biāo)融入背景中，背景差分法無(wú)法得到目標(biāo)的量測(cè)數(shù)據(jù)，從而無(wú)法跟蹤該目標(biāo)。

技術(shù)實(shí)現(xiàn)要素：
針對(duì)上述技術(shù)問(wèn)題，本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種針對(duì)現(xiàn)有視頻監(jiān)控目標(biāo)跟蹤方法進(jìn)行改進(jìn)，引入特征匹配和數(shù)據(jù)關(guān)聯(lián)，能夠有效實(shí)現(xiàn)并提高多目標(biāo)跟蹤精度的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法。本發(fā)明為了解決上述技術(shù)問(wèn)題采用以下技術(shù)方案：本發(fā)明設(shè)計(jì)了一種融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法，針對(duì)固定角度方向監(jiān)控?cái)z像頭所拍攝的視頻監(jiān)控，實(shí)現(xiàn)多目標(biāo)跟蹤，依時(shí)序針對(duì)接收到的每一幀視頻監(jiān)控畫(huà)面按如下步驟進(jìn)行操作：步驟A.采用背景建模法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景建模，通過(guò)背景差分法檢測(cè)獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，并檢測(cè)得到各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)；步驟B.針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)建立卡爾曼濾波器，預(yù)測(cè)獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)，判斷當(dāng)前視頻監(jiān)控畫(huà)面幀是否是第一視頻監(jiān)控畫(huà)面幀，是則針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行初始化，依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A；否則進(jìn)入下一步驟；步驟C.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)；步驟D.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的結(jié)果，進(jìn)行RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)，實(shí)現(xiàn)多目標(biāo)跟蹤，依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟A具體包括如下步驟：步驟A01.采用背景建模法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景建模；步驟A02.根據(jù)當(dāng)前視頻監(jiān)控畫(huà)面幀中的背景建模，通過(guò)背景差分法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景差分，獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的前景圖，針對(duì)該前景圖，判斷去除其中的陰影，并進(jìn)行灰度處理和二值化處理；步驟A03.針對(duì)經(jīng)上一步驟處理后的前景圖進(jìn)行區(qū)域生長(zhǎng)操作，即分別針對(duì)該前景圖中的各個(gè)像素點(diǎn)，將與之相鄰具有相同像素值的像素點(diǎn)與該像素點(diǎn)劃分為同一區(qū)域，即獲得該前景圖中的初級(jí)目標(biāo)；步驟A04.根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)進(jìn)行噪聲濾除，獲得該前景圖中的目標(biāo)，并檢測(cè)得到各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)，即獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，以及各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟A04中，所述預(yù)設(shè)噪聲濾除要求為預(yù)設(shè)目標(biāo)所占像素點(diǎn)的像素閥值或預(yù)設(shè)目標(biāo)所占像素點(diǎn)區(qū)域的長(zhǎng)寬比閥值；所述根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)進(jìn)行噪聲濾除，獲得該前景圖中的目標(biāo)的具體過(guò)程如下：根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)，刪除所占像素點(diǎn)的像素值低于預(yù)設(shè)目標(biāo)所占像素點(diǎn)的像素閥值的初級(jí)目標(biāo)，或者刪除所占像素點(diǎn)區(qū)域的長(zhǎng)寬比超出預(yù)設(shè)目標(biāo)所占像素點(diǎn)區(qū)域的長(zhǎng)寬比閥值的初級(jí)目標(biāo)，該前景圖中的剩余初級(jí)目標(biāo)即為獲得該前景圖中的目標(biāo)。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟B中，針對(duì)第一視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)進(jìn)行初始化包括如下操作：提取并保存第一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的RGB顏色直方圖特征和Surf特征，作為該各個(gè)目標(biāo)的初始RGB顏色直方圖特征和Surf特征；所述步驟C具體包括如下步驟：步驟C1.生成當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)與上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)之間關(guān)系的確認(rèn)矩陣；步驟C2.針對(duì)確認(rèn)矩陣進(jìn)行劃分生成可行事件，并計(jì)算獲得各個(gè)可行事件的概率；步驟C3.根據(jù)各個(gè)可行事件的概率，獲得上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間的關(guān)聯(lián)關(guān)系；所述步驟D具體包括如下步驟：步驟D1.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間的關(guān)聯(lián)關(guān)系，作如下操作：如果存在當(dāng)前視頻監(jiān)控畫(huà)面幀中與上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間不存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為當(dāng)前視頻監(jiān)控畫(huà)面幀中的新目標(biāo)，提取并保存當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征，作為該目標(biāo)的初始RGB顏色直方圖特征和Surf特征；如果存在上一視頻監(jiān)控畫(huà)面幀中與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間不存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為消失目標(biāo)，獲得上一視頻監(jiān)控畫(huà)面幀中該目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)位于當(dāng)前視頻監(jiān)控畫(huà)面幀中的RGB顏色直方圖特征和Surf特征；如果存在上一視頻監(jiān)控畫(huà)面幀中與當(dāng)前視頻監(jiān)控畫(huà)面幀中存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為關(guān)聯(lián)目標(biāo)，獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征；步驟D2.若存在消失目標(biāo)，則將該目標(biāo)初始RGB顏色直方圖特征和Surf特征分別與上一視頻監(jiān)控畫(huà)面幀中該目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)位于當(dāng)前視頻監(jiān)控畫(huà)面幀中的RGB顏色直方圖特征和Surf特征進(jìn)行匹配，分別計(jì)算獲得RGB顏色直方圖特征的匹配相似度和Surf特征的匹配相似度，并綜合該兩個(gè)特征的匹配相似度獲得綜合匹配相似度，判斷該綜合匹配相似度是否大于預(yù)設(shè)停止目標(biāo)匹配相似度閥值，是則認(rèn)為該目標(biāo)在當(dāng)前視頻監(jiān)控畫(huà)面幀中停止，并未消失；否則刪除該目標(biāo)的所有數(shù)據(jù)；若存在關(guān)聯(lián)目標(biāo)，則將該目標(biāo)初始RGB顏色直方圖特征和Surf特征分別與當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征進(jìn)行匹配，分別計(jì)算獲得RGB顏色直方圖特征的匹配相似度和Surf特征的匹配相似度，并綜合該兩個(gè)特征的匹配相似度獲得綜合匹配相似度，判斷該綜合匹配相似度是否大于預(yù)設(shè)關(guān)聯(lián)目標(biāo)匹配相似度閥值，是則確認(rèn)實(shí)現(xiàn)了對(duì)該目標(biāo)的跟蹤；否則刪除該目標(biāo)的所有數(shù)據(jù)；步驟D3.依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟B中，針對(duì)第一視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)進(jìn)行初始化還包括如下操作：根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D1中還包括，針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中的新目標(biāo)，根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D2中還包括，針對(duì)關(guān)聯(lián)目標(biāo)，當(dāng)確認(rèn)實(shí)現(xiàn)了對(duì)該目標(biāo)的跟蹤之后，根據(jù)當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的量測(cè)數(shù)據(jù)更新該目標(biāo)運(yùn)動(dòng)航跡；在以上技術(shù)方案基礎(chǔ)之上，所述步驟C1之前還包括步驟C0如下：步驟C0.根據(jù)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，按如下步驟C0-1至步驟C0-3針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分，獲得至少兩個(gè)目標(biāo)聚類；步驟C0-1.若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的兩條目標(biāo)運(yùn)動(dòng)航跡直接共享一個(gè)或者多個(gè)預(yù)測(cè)量測(cè)數(shù)據(jù)，則將該兩個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-2.若上一視頻監(jiān)控畫(huà)面幀中一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A和另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡B不直接共享預(yù)測(cè)量測(cè)數(shù)據(jù)，但它們都與第三個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-3.參照步驟C0-2，若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A、B分別通過(guò)間接傳遞n次與另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；基于以上針對(duì)根據(jù)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分獲得的目標(biāo)聚類，步驟C1-C3和步驟D依次相應(yīng)針對(duì)各個(gè)目標(biāo)聚類中的各個(gè)目標(biāo)，實(shí)現(xiàn)多目標(biāo)跟蹤。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟A04之后，還包括步驟A05如下：步驟A05.針對(duì)所述當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，通過(guò)預(yù)先訓(xùn)練好的分類器進(jìn)行目標(biāo)分類，步驟B至步驟D實(shí)現(xiàn)針對(duì)其中一類目標(biāo)或者至少兩類目標(biāo)的多目標(biāo)跟蹤。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述預(yù)先訓(xùn)練好的分類器為預(yù)先經(jīng)離線訓(xùn)練好的三分類SVM分類器。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟B中，針對(duì)第一視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)進(jìn)行初始化還包括如下操作：根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D1中還包括，針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中的新目標(biāo)，根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D2中還包括，針對(duì)關(guān)聯(lián)目標(biāo)，當(dāng)確認(rèn)實(shí)現(xiàn)了對(duì)該目標(biāo)的跟蹤之后，根據(jù)當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的量測(cè)數(shù)據(jù)更新該目標(biāo)運(yùn)動(dòng)航跡；在以上技術(shù)方案基礎(chǔ)之上，所述步驟C1之前還包括步驟C0如下：步驟C0.根據(jù)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，按如下步驟C0-1至步驟C0-3針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分，獲得至少兩個(gè)目標(biāo)聚類；步驟C0-1.若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的兩條目標(biāo)運(yùn)動(dòng)航跡直接共享一個(gè)或者多個(gè)預(yù)測(cè)量測(cè)數(shù)據(jù)，則將該兩個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-2.若上一視頻監(jiān)控畫(huà)面幀中一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A和另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡B不直接共享預(yù)測(cè)量測(cè)數(shù)據(jù)，但它們都與第三個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-3.參照步驟C0-2，若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A、B分別通過(guò)間接傳遞n次與另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；基于以上針對(duì)根據(jù)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分獲得的目標(biāo)聚類，步驟C1-C3和步驟D依次相應(yīng)針對(duì)各個(gè)目標(biāo)聚類中的各個(gè)目標(biāo)，實(shí)現(xiàn)多目標(biāo)跟蹤。作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述目標(biāo)的量測(cè)數(shù)據(jù)為目標(biāo)所占像素點(diǎn)區(qū)域位于視頻監(jiān)控畫(huà)面幀中的位置和目標(biāo)所占像素點(diǎn)區(qū)域的大小。本發(fā)明所述一種融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：(1)本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法，針對(duì)現(xiàn)有視頻監(jiān)控目標(biāo)跟蹤方法進(jìn)行改進(jìn)，在采用卡爾曼濾波器進(jìn)行預(yù)測(cè)的基礎(chǔ)之上，引入聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)、以及RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)，能夠?qū)崿F(xiàn)針對(duì)目標(biāo)的各種運(yùn)動(dòng)狀態(tài)進(jìn)行跟蹤，保證了目標(biāo)跟蹤的準(zhǔn)確度；(2)本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法中，針對(duì)目標(biāo)、以及目標(biāo)的量測(cè)數(shù)據(jù)的獲取，在采用背景差分法實(shí)現(xiàn)的過(guò)程中，設(shè)計(jì)引入針對(duì)像素點(diǎn)的區(qū)域生長(zhǎng)方法和針對(duì)目標(biāo)的噪聲濾除操作，均有效提高了初始數(shù)據(jù)獲取的精度，為后期處理提供了更加準(zhǔn)確的數(shù)據(jù)，有效保證了最終結(jié)果的準(zhǔn)確性；(3)本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法中，針對(duì)聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)、以及RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)設(shè)計(jì)了具體、且簡(jiǎn)便的操作步驟，有效實(shí)現(xiàn)針對(duì)目標(biāo)的各種運(yùn)動(dòng)狀態(tài)進(jìn)行跟蹤，使得所能應(yīng)對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)更加全面，實(shí)現(xiàn)了多種情況、狀態(tài)的跟蹤，更加有效的保證了最終跟蹤結(jié)果數(shù)據(jù)的完整性和準(zhǔn)確性，避免了現(xiàn)有技術(shù)中的不足；(4)本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法中，還設(shè)計(jì)引入分類器實(shí)現(xiàn)對(duì)目標(biāo)的分類，使得實(shí)際應(yīng)用中，能夠方便快捷的實(shí)現(xiàn)針對(duì)至少一類目標(biāo)的跟蹤，一方面通過(guò)減少目標(biāo)的數(shù)量，能夠進(jìn)一步提高目標(biāo)跟蹤的精度，避免更多的噪聲干擾；另一方面，大大縮減了步驟操作過(guò)程中的運(yùn)算量，能夠有效提高方法應(yīng)用過(guò)程中的工作效率；(5)本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法中，還針對(duì)目標(biāo)的跟蹤過(guò)程中，引入了目標(biāo)的目標(biāo)運(yùn)動(dòng)軌跡，在針對(duì)上一視頻監(jiān)控畫(huà)面幀與當(dāng)前視頻監(jiān)控畫(huà)面幀之間進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的過(guò)程中，通過(guò)目標(biāo)運(yùn)動(dòng)軌跡對(duì)目標(biāo)進(jìn)行聚類劃分，再針對(duì)至少一個(gè)目標(biāo)聚類中的目標(biāo)實(shí)現(xiàn)跟蹤，同樣提高了目標(biāo)跟蹤的精度，以及有效提高了方法應(yīng)用過(guò)程中的工作效率。附圖說(shuō)明圖1是本發(fā)明設(shè)計(jì)融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法的流程示意圖。具體實(shí)施方式下面結(jié)合說(shuō)明書(shū)附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說(shuō)明。如圖1所示，本發(fā)明設(shè)計(jì)一種融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法在實(shí)際應(yīng)用過(guò)程中，構(gòu)成實(shí)施例一，針對(duì)固定角度方向監(jiān)控?cái)z像頭所拍攝的視頻監(jiān)控，實(shí)現(xiàn)多目標(biāo)跟蹤，依時(shí)序針對(duì)接收到的每一幀視頻監(jiān)控畫(huà)面按如下步驟進(jìn)行操作：步驟A.采用背景建模法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景建模，通過(guò)背景差分法檢測(cè)獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，并檢測(cè)得到各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)，目標(biāo)的量測(cè)數(shù)據(jù)為目標(biāo)所占像素點(diǎn)區(qū)域位于視頻監(jiān)控畫(huà)面幀中的位置和目標(biāo)所占像素點(diǎn)區(qū)域的大小，具體包括如下步驟：步驟A01.采用背景建模法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景建模，如VIBE背景建模法或混合高斯背景建模法；步驟A02.根據(jù)當(dāng)前視頻監(jiān)控畫(huà)面幀中的背景建模，通過(guò)背景差分法針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀進(jìn)行背景差分，獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的前景圖，針對(duì)該前景圖，判斷去除其中的陰影，并進(jìn)行灰度處理和二值化處理；步驟A03.針對(duì)經(jīng)上一步驟處理后的前景圖進(jìn)行區(qū)域生長(zhǎng)操作，即分別針對(duì)該前景圖中的各個(gè)像素點(diǎn)，將與之相鄰具有相同像素值的像素點(diǎn)與該像素點(diǎn)劃分為同一區(qū)域，即獲得該前景圖中的初級(jí)目標(biāo)；步驟A04.根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)進(jìn)行噪聲濾除，獲得該前景圖中的目標(biāo)，并檢測(cè)得到各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)，即獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，以及各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)；其中，所述預(yù)設(shè)噪聲濾除要求為預(yù)設(shè)目標(biāo)所占像素點(diǎn)的像素閥值或預(yù)設(shè)目標(biāo)所占像素點(diǎn)區(qū)域的長(zhǎng)寬比閥值；根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)進(jìn)行噪聲濾除，獲得該前景圖中的目標(biāo)的具體過(guò)程如下：根據(jù)預(yù)設(shè)噪聲濾除要求，針對(duì)該前景圖中的各個(gè)初級(jí)目標(biāo)，刪除所占像素點(diǎn)的像素值低于預(yù)設(shè)目標(biāo)所占像素點(diǎn)的像素閥值的初級(jí)目標(biāo)，或者刪除所占像素點(diǎn)區(qū)域的長(zhǎng)寬比超出預(yù)設(shè)目標(biāo)所占像素點(diǎn)區(qū)域的長(zhǎng)寬比閥值的初級(jí)目標(biāo)，該前景圖中的剩余初級(jí)目標(biāo)即為獲得該前景圖中的目標(biāo)；步驟B.針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)建立卡爾曼濾波器，預(yù)測(cè)獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)，判斷當(dāng)前視頻監(jiān)控畫(huà)面幀是否是第一視頻監(jiān)控畫(huà)面幀，是則針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行初始化，提取并保存第一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的RGB顏色直方圖特征和Surf特征，作為該各個(gè)目標(biāo)的初始RGB顏色直方圖特征和Surf特征，依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A；否則進(jìn)入下一步驟；步驟C.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)，具體包括如下步驟：步驟C1.生成當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)與上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)之間關(guān)系的確認(rèn)矩陣，如下所示：其中：wjt是二進(jìn)制變量，wjt＝1表示當(dāng)前視頻監(jiān)控畫(huà)面幀中第j個(gè)(j＝1,2,…,mk)目標(biāo)的量測(cè)數(shù)據(jù)落入上一視頻監(jiān)控畫(huà)面幀中第t個(gè)(t＝1,2,…,T)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)內(nèi)，mk表示當(dāng)前視頻監(jiān)控畫(huà)面幀中目標(biāo)的數(shù)量，T表述上一視頻監(jiān)控畫(huà)面幀中目標(biāo)的數(shù)量；wjt＝0表示當(dāng)前視頻監(jiān)控畫(huà)面幀中第j個(gè)目標(biāo)的量測(cè)數(shù)據(jù)沒(méi)有落入上一視頻監(jiān)控畫(huà)面幀中第t個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)內(nèi)。t＝0表示沒(méi)有目標(biāo)，此時(shí)Ω對(duì)應(yīng)的列元素wj0全都是1，這是因?yàn)楫?dāng)前視頻監(jiān)控畫(huà)面幀中每一個(gè)目標(biāo)的量測(cè)數(shù)據(jù)都可能源于雜波或者是虛警。步驟C2.針對(duì)確認(rèn)矩陣進(jìn)行劃分生成可行事件，并計(jì)算獲得各個(gè)可行事件的概率；其中，可行事件的概率指代當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間存在關(guān)聯(lián)關(guān)系的概率；針對(duì)確認(rèn)矩陣進(jìn)行劃分基于兩個(gè)原則：a.不考慮有不可分辨的目標(biāo)的量測(cè)數(shù)據(jù)的可能性；b.對(duì)于一個(gè)給定的目標(biāo)，最多有一個(gè)量測(cè)數(shù)據(jù)與其對(duì)應(yīng)；步驟C3.根據(jù)各個(gè)可行事件的概率，即上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間的關(guān)聯(lián)概率，并根據(jù)關(guān)聯(lián)概率獲得上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間的關(guān)聯(lián)關(guān)系；步驟D.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的量測(cè)數(shù)據(jù)進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的結(jié)果，進(jìn)行RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)，實(shí)現(xiàn)多目標(biāo)跟蹤，依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A，具體包括如下步驟：步驟D1.針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間的關(guān)聯(lián)關(guān)系，作如下操作：如果存在當(dāng)前視頻監(jiān)控畫(huà)面幀中與上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間不存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為當(dāng)前視頻監(jiān)控畫(huà)面幀中的新目標(biāo)，提取并保存當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征，作為該目標(biāo)的初始RGB顏色直方圖特征和Surf特征；如果存在上一視頻監(jiān)控畫(huà)面幀中與當(dāng)前視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)之間不存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為消失目標(biāo)，獲得上一視頻監(jiān)控畫(huà)面幀中該目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)位于當(dāng)前視頻監(jiān)控畫(huà)面幀中的RGB顏色直方圖特征和Surf特征；如果存在上一視頻監(jiān)控畫(huà)面幀中與當(dāng)前視頻監(jiān)控畫(huà)面幀中存在關(guān)聯(lián)關(guān)系的目標(biāo)，則將該目標(biāo)作為關(guān)聯(lián)目標(biāo)，獲得當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征；步驟D2.若存在消失目標(biāo)，則將該目標(biāo)初始RGB顏色直方圖特征和Surf特征分別與上一視頻監(jiān)控畫(huà)面幀中該目標(biāo)的預(yù)測(cè)量測(cè)數(shù)據(jù)位于當(dāng)前視頻監(jiān)控畫(huà)面幀中的RGB顏色直方圖特征和Surf特征進(jìn)行匹配，分別計(jì)算獲得RGB顏色直方圖特征的匹配相似度和Surf特征的匹配相似度，并綜合該兩個(gè)特征的匹配相似度獲得綜合匹配相似度，判斷該綜合匹配相似度是否大于預(yù)設(shè)停止目標(biāo)匹配相似度閥值，是則認(rèn)為該目標(biāo)在當(dāng)前視頻監(jiān)控畫(huà)面幀中停止，并未消失；否則刪除該目標(biāo)的所有數(shù)據(jù)；若存在關(guān)聯(lián)目標(biāo)，則將該目標(biāo)初始RGB顏色直方圖特征和Surf特征分別與當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的RGB顏色直方圖特征和Surf特征進(jìn)行匹配，分別計(jì)算獲得RGB顏色直方圖特征的匹配相似度和Surf特征的匹配相似度，并綜合該兩個(gè)特征的匹配相似度獲得綜合匹配相似度，判斷該綜合匹配相似度是否大于預(yù)設(shè)關(guān)聯(lián)目標(biāo)匹配相似度閥值，是則確認(rèn)實(shí)現(xiàn)了對(duì)該目標(biāo)的跟蹤；否則刪除該目標(biāo)的所有數(shù)據(jù)；步驟D3.依時(shí)序接收下一視頻監(jiān)控畫(huà)面幀返回步驟A。本發(fā)明設(shè)計(jì)的融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的視頻監(jiān)控多目標(biāo)跟蹤方法，針對(duì)現(xiàn)有視頻監(jiān)控目標(biāo)跟蹤方法進(jìn)行改進(jìn)，在采用卡爾曼濾波器進(jìn)行預(yù)測(cè)的基礎(chǔ)之上，引入聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)、以及RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)，能夠?qū)崿F(xiàn)針對(duì)目標(biāo)的各種運(yùn)動(dòng)狀態(tài)進(jìn)行跟蹤，保證了目標(biāo)跟蹤的準(zhǔn)確度；并且針對(duì)目標(biāo)、以及目標(biāo)的量測(cè)數(shù)據(jù)的獲取，在采用背景差分法實(shí)現(xiàn)的過(guò)程中，設(shè)計(jì)引入針對(duì)像素點(diǎn)的區(qū)域生長(zhǎng)方法和針對(duì)目標(biāo)的噪聲濾除操作，均有效提高了初始數(shù)據(jù)獲取的精度，為后期處理提供了更加準(zhǔn)確的數(shù)據(jù)，有效保證了最終結(jié)果的準(zhǔn)確性；本發(fā)明中針對(duì)聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)、以及RGB顏色直方圖特征和Surf特征的匹配檢驗(yàn)設(shè)計(jì)了具體、且簡(jiǎn)便的操作步驟，有效實(shí)現(xiàn)針對(duì)目標(biāo)的各種運(yùn)動(dòng)狀態(tài)進(jìn)行跟蹤，使得所能應(yīng)對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)更加全面，實(shí)現(xiàn)了多種情況、狀態(tài)的跟蹤，包括了對(duì)由動(dòng)變靜的目標(biāo)進(jìn)行繼續(xù)跟蹤，更加有效的保證了最終跟蹤結(jié)果數(shù)據(jù)的完整性和準(zhǔn)確性，避免了現(xiàn)有技術(shù)中的不足。實(shí)際應(yīng)用中，基于以上實(shí)施例一所述技術(shù)方案的基礎(chǔ)之上，本發(fā)明還設(shè)計(jì)了如下優(yōu)選方案，結(jié)合實(shí)施例一構(gòu)成實(shí)施例二：所述步驟A04之后，還包括步驟A05如下：步驟A05.針對(duì)所述當(dāng)前視頻監(jiān)控畫(huà)面幀中的目標(biāo)，通過(guò)預(yù)先經(jīng)離線訓(xùn)練好的三分類SVM分類器進(jìn)行目標(biāo)分類，步驟B至步驟D實(shí)現(xiàn)針對(duì)其中一類目標(biāo)或者至少兩類目標(biāo)的多目標(biāo)跟蹤。通過(guò)設(shè)計(jì)引入分類器實(shí)現(xiàn)對(duì)目標(biāo)的分類，使得實(shí)際應(yīng)用中，能夠方便快捷的實(shí)現(xiàn)針對(duì)至少一類目標(biāo)的跟蹤，一方面通過(guò)減少目標(biāo)的數(shù)量，能夠進(jìn)一步提高目標(biāo)跟蹤的精度，避免更多的噪聲干擾；另一方面，大大縮減了步驟操作過(guò)程中的運(yùn)算量，能夠有效提高方法應(yīng)用過(guò)程中的工作效率。其中，針對(duì)三分類SVM分類器的訓(xùn)練，使用100張人的樣本圖像，100張車的樣本圖像，100張非車非人的背景樣本圖像，離線訓(xùn)練三分類的SVM分類器的參數(shù)。實(shí)際應(yīng)用中，同樣基于以上實(shí)施例一所述技術(shù)方案的基礎(chǔ)之上、或者基于以上實(shí)施例二所述技術(shù)方案的基礎(chǔ)之上，本發(fā)明還設(shè)計(jì)了如下優(yōu)選方案，結(jié)合實(shí)施例一構(gòu)成實(shí)施例三，或者結(jié)合實(shí)施例二構(gòu)成實(shí)施例四：所述步驟B中，針對(duì)第一視頻監(jiān)控畫(huà)面幀中的各個(gè)目標(biāo)進(jìn)行初始化還包括如下操作：根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D1中還包括，針對(duì)當(dāng)前視頻監(jiān)控畫(huà)面幀中的新目標(biāo)，根據(jù)該目標(biāo)的量測(cè)數(shù)據(jù)建立該目標(biāo)運(yùn)動(dòng)航跡；步驟D2中還包括，針對(duì)關(guān)聯(lián)目標(biāo)，當(dāng)確認(rèn)實(shí)現(xiàn)了對(duì)該目標(biāo)的跟蹤之后，根據(jù)當(dāng)前視頻監(jiān)控畫(huà)面幀中該目標(biāo)的量測(cè)數(shù)據(jù)更新該目標(biāo)運(yùn)動(dòng)航跡；在以上技術(shù)方案基礎(chǔ)之上，所述步驟C1之前還包括步驟C0如下：步驟C0.根據(jù)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，按如下步驟C0-1至步驟C0-3針對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分，獲得至少兩個(gè)目標(biāo)聚類；步驟C0-1.若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的兩條目標(biāo)運(yùn)動(dòng)航跡直接共享一個(gè)或者多個(gè)預(yù)測(cè)量測(cè)數(shù)據(jù)，則將該兩個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-2.若上一視頻監(jiān)控畫(huà)面幀中一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A和另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡B不直接共享預(yù)測(cè)量測(cè)數(shù)據(jù)，但它們都與第三個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；步驟C0-3.參照步驟C0-2，若上一視頻監(jiān)控畫(huà)面幀中兩個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡A、B分別通過(guò)間接傳遞n次與另一個(gè)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡C共享預(yù)測(cè)量測(cè)數(shù)據(jù)，則將這三個(gè)目標(biāo)劃分為同一個(gè)目標(biāo)聚類；基于以上針對(duì)根據(jù)目標(biāo)的目標(biāo)運(yùn)動(dòng)航跡，對(duì)上一視頻監(jiān)控畫(huà)面幀中各個(gè)目標(biāo)進(jìn)行聚類劃分獲得的目標(biāo)聚類，步驟C1-C3和步驟D依次相應(yīng)針對(duì)各個(gè)目標(biāo)聚類中的各個(gè)目標(biāo)，實(shí)現(xiàn)多目標(biāo)跟蹤。由此，在針對(duì)目標(biāo)的跟蹤過(guò)程中，引入了目標(biāo)的目標(biāo)運(yùn)動(dòng)軌跡，在針對(duì)上一視頻監(jiān)控畫(huà)面幀與當(dāng)前視頻監(jiān)控畫(huà)面幀之間進(jìn)行聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的過(guò)程中，通過(guò)目標(biāo)運(yùn)動(dòng)軌跡對(duì)目標(biāo)進(jìn)行聚類劃分，再針對(duì)至少一個(gè)目標(biāo)聚類中的目標(biāo)實(shí)現(xiàn)跟蹤，同樣提高了目標(biāo)跟蹤的精度，以及有效提高了方法應(yīng)用過(guò)程中的工作效率。上面結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式作了詳細(xì)說(shuō)明，但是本發(fā)明并不限于上述實(shí)施方式，在本領(lǐng)域普通技術(shù)人員所具備的知識(shí)范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下做出各種變化。