基于分層關(guān)聯(lián)的多目標跟蹤技術(shù)研究.pdf

1、目標跟蹤技術(shù)是計算機視覺與模式識別領(lǐng)域研究的一個重要課題，近年來，受到國內(nèi)外學者的普遍關(guān)注，具有廣泛的應(yīng)用前景。本文從目標檢測和目標關(guān)聯(lián)兩個方面進行研究，針對跟蹤過程中目標遮擋、虛警及標簽互換難點，提出了魯棒跟蹤的解決方法。
　　本文首先介紹了連續(xù)最小能量相關(guān)的理論，接下來對目標遮擋問題進行理論分析?；谶B續(xù)最小能量的目標檢測技術(shù)，通過對目標的檢測，實現(xiàn)對運動狀態(tài)的預(yù)測。具體的就是，首先將多目標的觀測模型、運動模型、互斥模型、軌跡

2、維持模型以及軌跡修正模型構(gòu)建在同一個目標函數(shù)中；然后，利用梯度下降法對目標函數(shù)進行求解，得到各時刻目標的近似最小能量，最終得到多目標的個數(shù)和狀態(tài)。對于目標遮擋問題，本章提出目標遮擋的全局分析策略。該策略通過對目標可視度的分析，找到了一個在閉區(qū)間內(nèi)可微、符合高斯分布的分段高斯指示函數(shù)；最后對該指示函數(shù)進行求導(dǎo)數(shù)，得到目標的檢測信息。該方法同時考慮了目標的運動狀態(tài)和表觀模型，可以避免檢測對象的虛警和誤檢。
　　針對多目標跟蹤中的軌跡生

3、成問題，本文提出了多目標分層關(guān)聯(lián)方法。該方法將在線判別算法、匈牙利算法和智能探測相結(jié)合，得到平滑、連續(xù)的跟蹤軌跡。具體地，該方法在目標檢測和初始軌跡提取基礎(chǔ)上，利用在線判別表觀模型(OLDAMs)和AdBoost算法實現(xiàn)目標的初步關(guān)聯(lián)；在線判別表觀模型得到的跟蹤軌跡過于零散、且不連續(xù)，因此對初步關(guān)聯(lián)所得的短小、可靠的跟蹤片段進行再次關(guān)聯(lián)；二次關(guān)聯(lián)不適合長時間目標跟蹤的過程，因此采用基于最小能量的智能探測方法得到最終的更加平滑、連續(xù)的跟蹤