基于数据关联融合KCF与Kalman滤波的车辆多目标跟踪

摘要：

在复杂交通场景下的车辆多目标跟踪,由于车辆之间较高的相似性和交互性,跟踪算法为了保证精度一般都较为复杂,无法满足智能分析应用需求.为此,结合简单有效的数据关联算法和快速精准的单目标跟踪算法,提出在线数据关联的多目标跟踪新方法.方法利用目标检测算法获得的当前目标集,通过关联算法建立目标与已形成轨迹集的关联矩阵,并通过行列耦合原则选出最佳关联对作为关联结果,针对不同的关联结果尤其是漏检和严重遮挡的情况,引入KCF算法与Kalman滤波联合完成目标轨迹的持续更新.实验表明,本文算法可以很好地解决目标误检、漏检以及严重遮挡情况,并且对目标轨迹的实时准确获取,可以为交通视频智能分析提供可靠的轨迹数据.

关键词：车辆多目标跟踪、数据关联、行列耦合、IoU相似性度量、KCF、Kalman滤波

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：西藏科技厅自然科学基金XZ2017ZRG-53Z;XZ2018ZR G-64;陕西省教育厅专项科研计划

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12927-12933