技術(shù)特征：

1.一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，具體步驟包括：

(1)從視頻中采集含有目標(biāo)對(duì)象的圖像幀；

(2)提取出目標(biāo)對(duì)象的特征，包括目標(biāo)對(duì)象的顏色直方圖和哈希編碼；如果是一個(gè)目標(biāo)對(duì)象，則直接提取該目標(biāo)對(duì)象的顏色直方圖和哈希編碼，如果為兩個(gè)或以上目標(biāo)對(duì)象，則對(duì)目標(biāo)對(duì)象進(jìn)行編號(hào)，提取編號(hào)后的每個(gè)目標(biāo)對(duì)象的顏色直方圖和哈希編碼；

(3)對(duì)后續(xù)視頻，通過(guò)與目標(biāo)對(duì)象的特征進(jìn)行匹配，檢測(cè)目標(biāo)對(duì)象，如果檢測(cè)到目標(biāo)對(duì)象，進(jìn)入步驟(4)，否則，重復(fù)執(zhí)行步驟(3)；

(4)對(duì)目標(biāo)對(duì)象進(jìn)行跟蹤。

2.根據(jù)權(quán)利要求1所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，所述步驟(3)，檢測(cè)目標(biāo)對(duì)象，具體步驟包括：

a、運(yùn)動(dòng)區(qū)域檢測(cè)：用幀差分法檢測(cè)視頻中運(yùn)動(dòng)區(qū)域，如果檢測(cè)到包含一群人的運(yùn)動(dòng)區(qū)域，進(jìn)入步驟b，如果檢測(cè)到僅包含一個(gè)人的區(qū)域，進(jìn)入步驟c；

b、用人群分割算法把檢測(cè)到包含一群人的運(yùn)動(dòng)區(qū)域分割為僅包含一個(gè)人的不同區(qū)域，即若干個(gè)單人區(qū)域；

c、提取僅包含一個(gè)人的區(qū)域的顏色直方圖和哈希編碼，與目標(biāo)對(duì)象的顏色直方圖和哈希編碼分別進(jìn)行匹配，分別得到巴氏距離和漢明距離，巴氏距離的權(quán)重為a，漢明距離的權(quán)重為b，用來(lái)表示僅包含一個(gè)人的區(qū)域與目標(biāo)對(duì)象的相似性；巴氏距離用來(lái)表示僅包含一個(gè)人的區(qū)域的顏色直方圖與目標(biāo)對(duì)象的顏色直方圖的相似性，漢明距離用來(lái)表示僅包含一個(gè)人的區(qū)域的哈希編碼與目標(biāo)對(duì)象的哈希編碼的相似性，a的取值范圍為60-80％，b的取值范圍為20-40％，a+b＝100％；

d、當(dāng)僅包含一個(gè)人的區(qū)域與目標(biāo)對(duì)象的相似性大于等于閾值c時(shí)，判定僅包含一個(gè)人的區(qū)域中含有目標(biāo)對(duì)象，將目標(biāo)對(duì)象區(qū)域用矩形框框出，否則，判定僅包含一個(gè)人的區(qū)域中不含有目標(biāo)對(duì)象；閾值c的取值范圍為70％-90％。

3.根據(jù)權(quán)利要求2所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，a＝70％，b＝30％，c＝80％。

4.根據(jù)權(quán)利要求1所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，所述顏色直方圖，是指不同色彩在整幅圖像中所占的比例，即對(duì)彩色圖像色域值進(jìn)行區(qū)間劃分，對(duì)每個(gè)區(qū)間中的像素個(gè)數(shù)占比進(jìn)行統(tǒng)計(jì)。

5.根據(jù)權(quán)利要求1所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，所述哈希編碼，是通過(guò)以下步驟獲取的：

e、去除圖像的高頻分量；

f、將圖像尺寸被縮減到8×8，含有64個(gè)像素；

g、將8×8尺寸圖象轉(zhuǎn)化為灰度圖像，并計(jì)算出64個(gè)像素的平均灰度值；

h、將64個(gè)像素的平均灰度值與8×8尺寸圖象中每個(gè)像素灰度值相比較，如果像素的灰度值比平均灰度值小，該像素的編碼值為0，否則編碼值為1；

i、將所有像素灰度值與平均灰度值比較之后，得到的64位編碼為哈希編碼。

6.根據(jù)權(quán)利要求1所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，所述步驟(2)，具體是指：根據(jù)坐標(biāo)點(diǎn)手動(dòng)確定采集圖像中的目標(biāo)對(duì)象區(qū)域，提取出目標(biāo)對(duì)象的特征，包括目標(biāo)對(duì)象的顏色直方圖和哈希編碼。

7.根據(jù)權(quán)利要求1所述的一種安防視頻中多場(chǎng)景多目標(biāo)識(shí)別和跟蹤方法，其特征在于，所述步驟(4)，使用判別稀疏相似度圖法對(duì)目標(biāo)對(duì)象進(jìn)行跟蹤，具體是指：

J、初始判別模板集：假設(shè)Q(h,v)是目標(biāo)對(duì)象最小矩形區(qū)域的中心點(diǎn)，所述最小矩形區(qū)域是包含某個(gè)目標(biāo)對(duì)象的最小矩形圖像區(qū)域；(h,v)是指Q(h,v)的坐標(biāo)值；在以Q(h,v)為中心的圓形區(qū)域內(nèi)，該圓形區(qū)域半徑滿足的取值為正數(shù)，且不大于最小矩形區(qū)域的較短的邊長(zhǎng)的二分之一,取p個(gè)樣本圖像區(qū)塊作為初始正模板庫(kù)，Q_i是第i個(gè)樣本圖像區(qū)塊的中心點(diǎn)，1≤i≤p；從半徑滿足的環(huán)形區(qū)域中，采樣n個(gè)圖像區(qū)塊，得到初始負(fù)模板庫(kù)，Q_j是第j個(gè)圖像區(qū)塊的中心點(diǎn)，和ω是環(huán)形區(qū)域的內(nèi)外半徑；ω不大于最小矩形區(qū)域的較短的邊長(zhǎng)的二分之一；

k、判別反向稀疏表示：判別稀疏相似度圖矩陣表示所有候選目標(biāo)對(duì)象和模板集之間的關(guān)系，如式(Ⅰ)所示：

$\begin{array}{cc}\mathrm{argmin}\left|\right|T-YC|{|}_2^2+\mathrm{\λ}\underset{i}{\Σ}|\left|c_i\right|{|}_1& s.t.c_i\≥0,i=1,2,\mathrm{3......}(p+n).\end{array}---\left(I\right)$

式(Ⅰ)中，C為判別稀疏相似度圖矩陣，T為模板集，包括初始正模板庫(kù)及初始負(fù)模板庫(kù)，Y為候選目標(biāo)對(duì)象。