基于参数学习和运动预测的在线多目标跟踪算法

摘要：

针对在线多目标跟踪中的短时遮挡和检测器误差造成的误检和漏检问题,提出一种结合参数学习和运动预测的在线多目标跟踪算法.采用逐帧关联的方式,首先利用目标的历史轨迹建立卡尔曼滤波器模型预测目标当前帧的可能位置,然后计算目标和当前观测之间的关联度建立代价矩阵.对于多目标跟踪被建模为指派问题,采用Hungarain算法求解,此外制定策略处理目标出现、消失和遮挡等异常情况.而对于多目标跟踪系统中的参数,设计一种新的二分类参数学习方案.实验结果验证了参数学习的有效性以及对误检、漏检和遮挡的鲁棒性,并且与若干经典算法的性能比较中,在多个指标上表现出一定优势.

关键词：在线多目标跟踪、卡尔曼滤波、指派问题、参数学习、运动预测

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：81-86