陆星家，郭 璘，陈志荣，林 勇，2

(1.宁波工程学院a.理学院;b.交通与物流学院，浙江 宁波 315211;2.美国德州大学阿灵顿分校计算机学院，美国 阿灵顿76019)

1 概述

近年来，随着目标检测和追踪技术的快速发展，目标检测和追踪研究逐渐由单目标检测和追踪转为多目标的检测和追踪。多目标检测和追踪在军事和民用领域都有广泛的应用［1］，如无人机对于可以移动目标的检测和追踪;智慧交通中的机动车检测和追踪以及可疑人员的检测和追踪。在多目标追踪的检测和追踪研究中，由于目标之间的遮挡，追踪目标在特征上的相似性以及目标群体的空间拓扑的变化成为阻碍多目标检测和追踪技术应用的主要挑战。除此之外，追踪场景的复杂性和多样性也是制约多目标检测和追踪技术发展的瓶颈。

传统的多目标追踪算法普遍利用相似度函数或距离函数对不同帧的检测目标进行关联，选择关联度最大的帧间目标进行匹配。如MHT(Mulittarget Hypothesis Tracking)算法通过建立假设检验目标，完成多目标追踪［2］，由于MHT 算法是通过联合概率来计算不同帧间目标的关联关系，为了减少在目标追踪过程中采样方差对数据关联的影响，MHT 算法利用马氏距离进行目标间的度量，由于马氏距离可以有效减少采样数据整体方差对数据关联的影响，可以有效地改善多目标追踪效果。而JPDA(Joint Probabilistic Data-Association)算法利用联合概率对目标追踪进行关联［3］，通过计算帧间目标的联合概率完成追踪，在追踪目标较多时，JPDA容易引起计算复杂度的急剧攀升。……