联合特征融合和判别性外观模型的多目标跟踪

摘要：

目的 针对基于检测的目标跟踪问题,提出一种联合多特征融合和判别性外观模型的多目标跟踪算法.方法 对时间滑动窗内的检测器输出响应,采用双阈值法对相邻帧目标进行初级关联,形成可靠的跟踪片,从中提取训练样本;融合多个特征对样本进行鲁棒表达,利用Adaboost算法在线训练分类器,形成目标的判别性外观模型;再利用该模型对可靠的跟踪片进行多次迭代关联,形成目标完整的轨迹.结果 4个视频数据库的目标跟踪结果表明,本文算法能较好的处理目标间遮挡、目标自身形变,以及背景干扰.对TUD-Crossing数据库的跟踪结果进行了定量分析,本文算法的FAF(跟踪视频序列时,平均每帧被错误跟踪的目标数)为0.21、MT(在整个序列中,有超过80％视频帧被跟踪成功目标数占视频序列目标总数的比例)为84.6％、ML(在整个序列中,有低于20％视频帧被跟踪成功目标数占视频序列目标总数的比例)为7.7％、Frag(视频序列目标真值所对应轨迹在跟踪中断开的次数)为9、IDS(在跟踪中,目标身份的改变次数)为4;与其他同类型多目标跟踪算法相比,本文算法在FAF和Frag两个评估参数上表现出色.结论 融合特征能对目标进行较为全面的表达、判别性外观模型能有效地应用于跟踪片关联,本文算法能实现复杂场景下的多目标跟踪,且可以应用到一些高级算法的预处理中,如行为识别中的轨迹检索.

关键词：多目标跟踪、判别性外观模型、Adaboost、时间滑动窗

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省自然科学基金项目2012FFA113;武汉市科技供需对接计划项目201051824575;中南民族大学中央高校基本科研业务费专项资金CZW14057,CZW15013

在线出版日期：2015-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1188-1198