度类型视频帧数据集， 即中等难度视频帧数据集和困难难度视频帧数据集。
[0162] 可见，随着跟踪目标对象数量的增加，本文所提出的多目标跟踪方法的处理时间 也在增加，但是总的处理时间仍然是百毫秒级别的，当跟踪目标对象数量增加到7个目标 对象时，本文所提出的多目标跟踪方法处理一帧的时间也没有超过160ms，当目标对象个数 超过2个时，原始TLD方法的处理时间已经是千毫秒级别，所以本文所提出的多目标跟踪方 法相比较TLD方法在处理时间上有很大提升。
[0163] 图4为本文提出的一种多目标跟踪方法和原始TLD方法在准确率上的对比图，（a) 是针对AVSS2007文件中的AVSS-PV-Medium视频帧数据集在准确率上的对比图，（b)是针 对AVSS2007文件中的AVSS-PV-Hard视频帧数据集在准确率上的对比图。
[0164] 其中，原始TLD方法在图中用实线表示，本文所提出的方法用虚线表示。
[0165] 如果预测的目标对象中心位置坐标和目标对象真实中心位置坐标之间的欧式距 离超过阈值，确定为预测目标对象位置正确，准确率为预测正确的目标对象个数和目标对 象总数的比值。
[0166] 可见，当目标对象个数很少，例如1个或2个目标对象时，本文提出的多目标跟踪 方法能保持极高的准确率，但是当目标对象数目开始逐渐增多时，本文提出的多目标跟踪 方法的准确率在不同场景下会有不同程度的下降，在中等Medium难度下，即使目标对象个 数增加到7个，本文提出的多目标跟踪方法仍能保持86%以上的准确率；在困难Hard难度 下，随着目标对象个数的增加，跟踪的准确率下降的很快，当目标对象个数增加到7个时， 跟踪的准确率已经下降到80 %左右。
[0167] 图5本文提出的一种多目标跟踪方法的跟踪结果示意图。
[0168] 其中，每幅图右下角的数字表示当前帧数。
[0169] 图6为本发明实施例提供的一种多目标跟踪装置的结构示意图，与图1所示的流 程图相对应，包括第一确定模块601、第二确定模块602、子图像区域生成模块603、筛选模 块604和分析模块605。
[0170] 其中，所述第一确定模块601，用于确定参考图像帧中每一目标对象在当前的目标 图像帧的第一类预测区域，其中，所述参考图像帧和所述目标图像帧为视频文件中的不同 图像帧，且参考图像帧为与目标图像帧相连续的上一帧图像；其中，所述目标对象为所述参 考图像帧中所包括的多个物体对象中的至少一个；
[0171] 所述第二确定模块602,用于确定所述目标图像帧所对应的梯度幅值图；
[0172] 所述子图像区域生成模块603,用于利用预定窗口在所述梯度幅值图中逐像素点 滑动，得到所述预定窗口在滑动过程中所生成的多个子图像区域；
[0173] 所述筛选模块604,用于从多个子图像区域中，筛选得到包含物体对象的第一类子 图像区域；
[0174] 所述分析模块605,用于对每一个第一类子图像区域执行预定区域分析操作，其 中，所述预定分析操作至少包括：
[0175] 将当前的第一类子图像区域分别与各个目标对象所对应第一类预测区域进行图 像匹配，如果存在匹配率大于预设阈值的目标第一类预测区域，则将该第一类子图像区域， 作为所述目标第一类预测区域所对应目标对象在所述目标图像帧中的区域。
[0176] 所述分析模块所执行的预定区域分析操作还包括：
[0177] 如果不存在匹配率大于预设阈值的目标第一类预测区域，则在判断出所述参考图 像帧之前存在至少一帧图像时：
[0178] 从所述参考图像帧之前的未被作为该第一类子图像区域所对应辅助图像帧的至 少一帧图像中，选择最靠近所述参考图像帧的一帧图像作为该第一类子图像区域所对应的 当前的辅助图像帧，并确定当前的辅助图像帧中每一目标对象在当前的目标图像帧的第二 类预测区域，将该第一类子图像区域分别与每一第二类预测区域进行图像匹配，如果存在 匹配率大于预设阈值的目标第二类预测区域，则将该第一类子图像区域，作为所述目标第 二预测区域所对应目标对象在所述目标图像帧中的区域，否则，继续执行从所述参考图像 帧之前的未被作为该第一类子图像区域所对应辅助图像帧的至少一帧图像中，选择最靠近 所述参考图像帧的一帧图像作为该第一类子图像区域所对应的当前的辅助图像帧步骤，直 至参考图像帧之前的各帧图像均被作为该第一类子图像区域所对应的辅助图像帧。
[0179] 所述第二确定模块602包括：
[0180] 第一计算子模块，用于计算所述目标图像帧中每个像素点位置的梯度幅值；
[0181] 获得子模块，用于基于所计算得到的每个像素点位置的梯度幅值，得到所述目标 图像帧所对应的梯度幅值图；
[0182] 其中，计算所述目标图像帧中每个像素点位置的梯度幅值所利用的公式为：
[0183] f = min( |gx|+ |gy|, 255)
[0184] gx= I (x+1, y)-I (x, y)
[0185] gy= I(x, y+l)-I(x, y)
[0186] 其中，f为像素点位置（x, y)的梯度幅值，gx为图像像素点位置（x, y)的水平梯度， gy为图像该像素点位置（x，y)的垂直梯度，I(x，y)为像素点位置（x，y)的像素。
[0187] 所述筛选模块604,包括：
[0188] 第二计算子模块，用于计算所述多个子图像中的每个子图像区域的得分；
[0189] 提取子模块，用于基于所述得分对多个子图像区域进行降序排列，提取排序位置 属于预定位置范围的至少一个子图像区域；
[0190] 分类子模块，用于使用蕨类分类器和最近邻分类器，对所提取的至少一个子图像 区域进行筛选，得到包含物体对象的第一类子图像区域；
[0191] 其中，计算所述多个子图像中的每个子图像区域的得分所利用的公式为：
[0193] 其中，S为子图像区域得分，ω = (X1, χ2，…，χ64)为预设特征向量，f = (yi, y2，… ，y64)为窗口在滑动过程中所生成的子图像区域的二值梯度幅值的向量形式，k为维度。
[0194] 所述分类模块，包括：
[0195] 第一筛选子模块，用于使用蕨类分类器和最近邻分类器，对所提取的至少一个子 图像区域进行筛选，得到筛选结果；
[0196] 第一得到子模块，用于将筛选结果作为包含物体对象的第一类子图像区域；
[0197] 或者，
[0198] 所述分类模块，包括：
[0199] 第二筛选子模块，用于使用蕨类分类器和最近邻分类器，对所提取的至少一个子 图像区域进行筛选，得到筛选结果；
[0200] 判断子模块，用于判断筛选结果中的各个子图像区域是否为预定背景图像区域；
[0201] 第二得到子模块，用于将筛选结果中不属于背景图像区域的子图像区域作为包含 物体对象的第一类子图像区域。
[0202] 可见，本发明实施例中，提出了一种多目标跟踪方法及装置，通过将目标图像帧中 的第一类子图像区域分别与参考图像帧中每一目标对象在当前的目标图像帧的第一类预 测区域进行图像匹配，通过匹配的方式确定目标对象在所述目标图像帧中的区域，而并非 仅仅依据前一帧图像的目标对象的区域信息来直接预测，因此，能够提高多目标跟踪准确 率。
[0203] 需要说明的是，在本文中，诸如第一和下一等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在涵 盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要 素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备 所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除 在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0204] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实 施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例 的部分说明即可。
[0205] 以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围 内。
【主权项】
1. 一种多目标跟踪方法，其特征在于，包括： 确定参考图像帧中每一目标对象在当前的目标图像帧的第一类预测区域，其中，所述 参考图像帧和所述目标图像帧为视频文件中的不同图像帧，且参考图像帧为与目标图像帧 相连续的上一帧图像；其中，所述目标对象为所述参考图像帧中所包括的多个物体对象中 的至少一个； 确定所述目标图