基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤關(guān)鍵技術(shù)研究.pdf

1、隨著智能視頻分析需求的飛速增長(zhǎng)，多目標(biāo)跟蹤在交通監(jiān)控、流量統(tǒng)計(jì)等計(jì)算機(jī)視覺領(lǐng)域發(fā)揮著越來越重要的作用。多目標(biāo)跟蹤旨在視頻序列中定位具有顯著特征的目標(biāo)，并且給每個(gè)目標(biāo)賦予唯一的標(biāo)號(hào)以估計(jì)它們的軌跡。但是跟蹤背景的復(fù)雜性、目標(biāo)因自身運(yùn)動(dòng)產(chǎn)生的形變、目標(biāo)外觀特征間的相似程度、目標(biāo)的遮擋等都給多目標(biāo)跟蹤帶來很大的困難。近年來，由于目標(biāo)檢測(cè)算法的顯著提高逐漸發(fā)展出了基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法，把跟蹤算法和檢測(cè)算法結(jié)合在一起，將檢測(cè)結(jié)果關(guān)聯(lián)到跟蹤

2、過程進(jìn)而形成軌跡，很大程度上可以解決目標(biāo)在跟蹤過程中發(fā)生的形變和部分遮擋等問題，但仍然不能處理具有相似外觀特征或被嚴(yán)重遮擋的目標(biāo)。
　　本課題對(duì)數(shù)據(jù)關(guān)聯(lián)算法、目標(biāo)特征表達(dá)和遮擋處理算法進(jìn)行了深入研究，提出了一種新型的多目標(biāo)跟蹤系統(tǒng)框架，提高了多目標(biāo)跟蹤的準(zhǔn)確度，主要研究?jī)?nèi)容包括：
　　1.簡(jiǎn)單概述了多目標(biāo)檢測(cè)算法，選用可變部件模型實(shí)現(xiàn)目標(biāo)的檢測(cè)，可以為跟蹤系統(tǒng)提供準(zhǔn)確度更高的輸入。
　　2.總結(jié)比較了幾種常見的數(shù)據(jù)關(guān)聯(lián)

3、算法，其中網(wǎng)絡(luò)流模型綜合性能較好，適用于較復(fù)雜的跟蹤場(chǎng)景，是本課題研究的重點(diǎn)。
　　3.研究了網(wǎng)絡(luò)流跟蹤模型中的最小費(fèi)用流算法，經(jīng)比較發(fā)現(xiàn)動(dòng)態(tài)規(guī)劃算法的復(fù)雜度更低，可實(shí)現(xiàn)耗時(shí)更短的數(shù)據(jù)關(guān)聯(lián)。
　　4.研究了目標(biāo)的特征表達(dá)方法，提出了基于全局特征與局部特征相結(jié)合的特征方法，有效地解決了跟蹤中目標(biāo)容易發(fā)生身份切換、誤警等問題。
　　5.對(duì)遮擋的處理方法進(jìn)行了深入研究，提出了Extended Kalman Filter-Ex