基于改进霍夫森林框架的多目标跟踪算法
2016-09-29高庆吉霍璐牛国臣
计算机应用 2016年8期
高庆吉 霍璐 牛国臣



摘要:针对单目视觉对多个相似的目标跟踪因遮挡等因素影响而失效的问题,提出一种基于改进霍夫森林框架的多目标跟踪算法。在将多目标跟踪问题归结为基于目标检测的轨迹关联过程基础上,通过引入在线学习霍夫森林框架将轨迹关联计算转化为最大后验概率(MAP)问题。通过在线采集多目标样本、提取目标外观和运动特征构建霍夫森林,进行森林训练得到轨迹关联概率,从而关联多目标轨迹;而引入低秩逼近Hankel矩阵进行轨迹校验,修复了误匹配的轨迹,改进了在线更新训练样本算法的效能。实验表明,轨迹误匹配率显著改善,能有效提高单目摄像机对多个相似目标有遮挡情况下跟踪的准确性和鲁棒性。
关键词:多目标跟踪;在线学习;霍夫森林;轨迹关联;Hankel矩阵;相似目标
中图分类号:TP391.41
文献标志码:A
0引言
近年来,基于视觉的多目标识别和跟踪成为研究热点,但由于单摄像机视野受限,容易出现目标偶尔移出视野或被遮挡等问题,且视距较远或目标本身极为相似时跟踪容易出错,使得这方面研究尤为重要。目前广泛采用的方法是使用高质量的视觉目标识别方法逐帧检测目标,然后用在线或者离线方式将检测到的目标信息关联成轨迹以实现跟踪,其轨迹关联通常是基于外观和位置相似度进行[1-3];另有采用多通道核相关滤波器进行样本训练的实时跟踪算法[4-5],对目标尺寸和外观变化具有很好鲁棒性。……
登录APP查看全文
