基于檢測的數(shù)據(jù)關(guān)聯(lián)多目標(biāo)跟蹤算.pdf

1、視頻序列的多目標(biāo)跟蹤研究是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要內(nèi)容，已經(jīng)廣泛應(yīng)用于國防、視頻監(jiān)控、智能導(dǎo)航/輔助駕駛、智能機(jī)器人、行為分析、視頻檢索、生物醫(yī)學(xué)等領(lǐng)域。視頻多目標(biāo)跟蹤的目的是在視頻序列中標(biāo)定出各個(gè)目標(biāo)的運(yùn)動(dòng)軌跡。然而，受成像質(zhì)量下降、噪聲和背景干擾、目標(biāo)外觀和運(yùn)動(dòng)模式的變化、被跟蹤目標(biāo)數(shù)目的不確定性、復(fù)雜多變的遮擋等諸多因素的影響，多目標(biāo)跟蹤算法研究是一個(gè)頗具挑戰(zhàn)性的課題，還面臨大量的理論和技術(shù)問題有待解決。近十年來，隨著目標(biāo)檢測器性

2、能的不斷提升，基于檢測的目標(biāo)跟蹤方法引起了廣泛的關(guān)注，已成為當(dāng)前主流的多目標(biāo)跟蹤方法。這類方法將檢測器輸出的檢測響應(yīng)作為輸入，通過數(shù)據(jù)關(guān)聯(lián)技術(shù)將屬于同一目標(biāo)的檢測響應(yīng)逐一連接、最終獲得各個(gè)目標(biāo)的運(yùn)動(dòng)軌跡。關(guān)聯(lián)模型設(shè)計(jì)是基于檢測的數(shù)據(jù)關(guān)聯(lián)技術(shù)的關(guān)鍵，一個(gè)好的關(guān)聯(lián)模型應(yīng)該盡可能的融合那些反映目標(biāo)軌跡內(nèi)在屬性的觀測信息，在噪聲和復(fù)雜場景下提供可靠的軌跡關(guān)聯(lián)。
　　本研究主要內(nèi)容包括：⑴在逐級(jí)關(guān)聯(lián)框架下，提出了一種基于霍夫森林分類器的多目

3、標(biāo)跟蹤算法。首先通過保守關(guān)聯(lián)算法生成可靠的短小軌跡片；隨后以逐級(jí)處理方式從跡片集上提取具有判別性能的外觀和運(yùn)動(dòng)特征，生成訓(xùn)練樣本并構(gòu)建霍夫森林；在測試階段，利用森林葉子節(jié)點(diǎn)中存儲(chǔ)的有效碼元信息去估計(jì)軌跡片間的連接概率，最終將軌跡關(guān)聯(lián)轉(zhuǎn)化為最大后驗(yàn)概率準(zhǔn)則（Maximum-A-Posterior，MAP）下的求解問題。實(shí)驗(yàn)證明了基于霍夫森林的軌跡片關(guān)聯(lián)模型的有效性：與一些國外同行的近期算法相比較，該方法取得了與之相當(dāng)?shù)母櫺Ч＂朴捎谶\(yùn)動(dòng)

4、場景的復(fù)雜性、頻繁發(fā)生的遮擋等，即便是目前最先進(jìn)的檢測器也存虛檢、漏檢、檢測不精確等問題；可靠軌跡片生成階段所采取的保守關(guān)聯(lián)策略也會(huì)遺漏一些檢測響應(yīng)。上述問題都將導(dǎo)致在最后的跟蹤結(jié)果中，出現(xiàn)不能和任何軌跡相關(guān)聯(lián)的孤立響應(yīng)點(diǎn)，從而使得目標(biāo)軌跡間隙增大、平滑性下降。針對(duì)此問題，本文提出一種新的遮擋推理模型，以此推斷出遮擋目標(biāo)的被遮擋區(qū)域和非遮擋區(qū)域；在此基礎(chǔ)上設(shè)計(jì)被遮擋目標(biāo)的融合特征描述，提出孤立響應(yīng)點(diǎn)與目標(biāo)軌跡間的匹配策略，有效解決了孤立

5、響應(yīng)點(diǎn)的目標(biāo)歸屬問題。作為一種填補(bǔ)軌跡間隙的后處理技術(shù)，本章方法對(duì)于采用軌跡片關(guān)聯(lián)的跟蹤算法具有普適性。⑶提出霍夫森林條件隨機(jī)場模型（Hough Forest Conditional Random Field, HFRF），該方法通過SW-cuts算法計(jì)算MH跳轉(zhuǎn)接受概率以實(shí)現(xiàn)狀態(tài)推理求解，而利用霍夫森林提供CRF推理所需要的概率參數(shù)；HFRF將CRF模型參數(shù)學(xué)習(xí)和推理嵌入到同一個(gè)框架中，從而規(guī)避了傳統(tǒng)CRF跟蹤方法中的難題。此外，與傳

6、統(tǒng)的CRF圖模型不同，HFRF對(duì)每條邊額外定義了一個(gè)二元指示隱變量，將傳統(tǒng)CRF中的二元組結(jié)構(gòu)關(guān)系擴(kuò)展到三元，可以考慮更多運(yùn)動(dòng)目標(biāo)的時(shí)空域關(guān)系，利用該三元組結(jié)構(gòu)有助于跟蹤算法的優(yōu)化和性能提升。⑷在傳統(tǒng)CRF圖模型下，提出了一種基于數(shù)據(jù)聯(lián)合分布建模的多目標(biāo)跟蹤算法。該方法構(gòu)造二元?jiǎng)莺瘮?shù)表征軌跡片間的相關(guān)性，構(gòu)造高階類別損失函數(shù)（正則項(xiàng)）用以約束求解的目標(biāo)個(gè)數(shù)，在此基礎(chǔ)上得到代價(jià)方程，最終通過代價(jià)最小化實(shí)現(xiàn)CRF模型下的類別標(biāo)定。其中軌跡片