收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于检测的数据关联多目标跟踪算法研究

项俊  
【摘要】:视频序列的多目标跟踪研究是计算机视觉领域的一个重要内容,已经广泛应用于国防、视频监控、智能导航/辅助驾驶、智能机器人、行为分析、视频检索、生物医学等领域。视频多目标跟踪的目的是在视频序列中标定出各个目标的运动轨迹。然而,受成像质量下降、噪声和背景干扰、目标外观和运动模式的变化、被跟踪目标数目的不确定性、复杂多变的遮挡等诸多因素的影响,多目标跟踪算法研究是一个颇具挑战性的课题,还面临大量的理论和技术问题有待解决。近十年来,随着目标检测器性能的不断提升,基于检测的目标跟踪方法引起了广泛的关注,已成为当前主流的多目标跟踪方法。这类方法将检测器输出的检测响应作为输入,通过数据关联技术将属于同一目标的检测响应逐一连接、最终获得各个目标的运动轨迹。关联模型设计是基于检测的数据关联技术的关键,一个好的关联模型应该尽可能的融合那些反映目标轨迹内在属性的观测信息,在噪声和复杂场景下提供可靠的轨迹关联。本文围绕多目标跟踪领域前沿发展动态,着重对关联模型及其在多目标跟踪方法中的应用进行了深入研究。主要工作包括以下四部分:(1)基于霍夫森林学习的多目标跟踪方法多级关联是一种有效的多目标跟踪方法,本文在逐级关联框架下,提出了一种基于霍夫森林分类器的多目标跟踪算法。首先通过保守关联算法生成可靠的短小轨迹片;随后以逐级处理方式从迹片集上提取具有判别性能的外观和运动特征,生成训练样本并构建霍夫森林;在测试阶段,利用森林叶子节点中存储的有效码元信息去估计轨迹片间的连接概率,最终将轨迹关联转化为最大后验概率准则(Maximum-A-Posterior, MAP)下的求解问题。实验证明了基于霍夫森林的轨迹片关联模型的有效性:与一些国外同行的近期算法相比较,该方法取得了与之相当的跟踪效果(2)基于遮挡推理模型的孤立响应点匹配由于运动场景的复杂性、频繁发生的遮挡等,即便是目前最先进的检测器也存虚检、漏检、检测不精确等问题;可靠轨迹片生成阶段所采取的保守关联策略也会遗漏一些检测响应。上述问题都将导致在最后的跟踪结果中,出现不能和任何轨迹相关联的孤立响应点,从而使得目标轨迹间隙增大、平滑性下降。针对此问题,本文提出一种新的遮挡推理模型,以此推断出遮挡目标的被遮挡区域和非遮挡区域;在此基础上设计被遮挡目标的融合特征描述,提出孤立响应点与目标轨迹间的匹配策略,有效解决了孤立响应点的目标归属问题。作为一种填补轨迹间隙的后处理技术,本章方法对于采用轨迹片关联的跟踪算法具有普适性。(3)基于霍夫森林条件随机场的多目标跟踪方法基于条件随机场(conditional random field, CRF)的多目标跟踪近年来已成为一个研究热点。作为CRF模型的核心,CRF模型参数估计和状态推理非常棘手,传统上通常采用近似算法或启发式方法对参数进行估计,而CRF推理过程也易陷入局部最优。本文提出霍夫森林条件随机场模型(Hough Forest Conditional Random Field ,HFRF),该方法通过SW-cuts算法计算MH跳转接受概率以实现状态推理求解,而利用霍夫森林提供CRF推理所需要的概率参数;HFRF将CRF模型参数学习和推理嵌入到同一个框架中,从而规避了传统CRF跟踪方法中的难题。此外,与传统的CRF图模型不同,HFRF对每条边额外定义了一个二元指示隐变量,将传统CRF中的二元组结构关系扩展到三元,可以考虑更多运动目标的时空域关系,利用该三元组结构有助于跟踪算法的优化和性能提升(4)基于数据联合表达的多目标跟踪方法传统的数据关联模型大多依据数据间的差异性建模,例如计算两个特征间的距离;这一操作本质上是降维过程,将导致原始数据可分性的部分丢失。针对此问题,本文在传统CRF图模型下,提出了一种基于数据联合分布建模的多目标跟踪算法。该方法构造二元势函数表征轨迹片间的相关性,构造高阶类别损失函数(正则项)用以约束求解的目标个数,在此基础上得到代价方程,最终通过代价最小化实现CRF模型下的类别标定。其中轨迹片间的势函数建模为两个假设条件下的数据联合分布,通过建立关联数据的相容性、相斥性概率,完成CRF模型的推理过程。该方法另一个特点是利用霍夫森林叶子节点间存储的样本类别的分布特性,以无参的形式实现两个假设条件下数据联合分布概率的估计。在多个数据库上进行的仿真实验证明了本文方法的有效性;该方法所提出的关联数据相容性、相斥性建模思想,为多目标跟踪算法设计提供了一种新的途径


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期
2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期
3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期
4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期
5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期
6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期
7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期
8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期
9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期
10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期
11 石章松,刘忠,王树宗;一种单站纯方位目标跟踪算法研究[J];系统工程与电子技术;2005年02期
12 周进;吴钦章;;弱小目标跟踪算法性能评估的研究[J];光电工程;2007年01期
13 郑江滨;李秀秀;张艳宁;;视频监视中的运动目标跟踪算法[J];系统工程与电子技术;2007年11期
14 曲洪权;李少洪;;运动参数受限的目标跟踪算法研究[J];系统仿真学报;2008年09期
15 钟德华;夏翠艳;宋启敏;毛文龙;;多目标跟踪算法的研究与应用[J];计算机测量与控制;2008年06期
16 刘杰;董育宁;;基于预测和粒子滤波的运动目标跟踪算法[J];计算机工程与科学;2009年10期
17 李伟群;;一种改进的多关节目标跟踪算法[J];计算机应用研究;2011年02期
18 安国成;张凤军;王宏安;戴国忠;;多窗口目标跟踪算法[J];计算机研究与发展;2011年11期
19 孙世岩;王炳;张国栋;;一种基于满意滤波的纯方位目标跟踪算法[J];指挥控制与仿真;2012年06期
20 邹冈;石章松;刘忠;;基于协方差旋转变换的目标跟踪算法[J];电光与控制;2008年05期
中国重要会议论文全文数据库 前10条
1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(上卷)[C];1995年
2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报(2005)[C];2005年
8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集(上册)[C];2009年
9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年
2 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
3 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年
4 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年
5 秦永;基于随机有限集的目标跟踪算法研究[D];华中科技大学;2016年
6 项俊;基于检测的数据关联多目标跟踪算法研究[D];华中科技大学;2016年
7 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年
8 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年
9 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
10 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年
2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年
3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年
4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年
5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年
6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年
7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年
8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年
9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年
10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978