基于广义关联聚类图的分层关联多目标跟踪
检测跟踪是近期多目标跟踪研究的热点方向之一。目前大部分方法都是基于相邻帧之间的双向匹配,对检测点进行数据融合。本文提出的方法是,给定一个滑动时间窗口,在窗口内对某个目标每帧出现的检测点进行一次性数据融合。我们把多目标跟踪看作图的分割问题,利用广义关联聚类(Generalized correlation clustering problem, GCCP)图优化文中提出的数据融合。吸取分层数据关联的思想,把多目标跟踪分成两个阶段。首先,在时间窗口内遵循检测点,利用广义关联聚类,得到自适应长度的轨迹片段,轨迹片段长度不受窗口宽度的限制。然后,基于轨迹片段进一步数据关联,得到目标的长轨迹。在公共数据集上的实验测试表明,本文方法能够有效地实现多目标跟踪,对于遮挡处理、身份转换处理以及轨迹的生成具有很好的鲁棒性,多目标跟踪准确率(Multiple ob ject tracking accuracy, MOTA)超过当前水平。
多目标跟踪、广义关联聚类图、分层数据关联、检测跟踪、遮挡处理
43
TP3;S85
国家自然科学基金61371155;安徽省科技攻关项目1301b042023资助Supported by National Natural Science Foundation of China61371155;Science and Technology Brainstorm Project of An-hui Province1301b042023
2017-03-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
152-160
