APP下载

基于在线学习判别性外观模型的多目标跟踪算法

2017-04-15侯建华边群星

中南民族大学学报(自然科学版) 2017年1期
关键词:关联特征检测

侯建华,边群星,项 俊

(中南民族大学 电子信息工程学院,武汉 430074)

基于在线学习判别性外观模型的多目标跟踪算法

侯建华,边群星,项 俊

(中南民族大学 电子信息工程学院,武汉 430074)

在基于检测的跟踪框架下,设计了一种在线学习的判别性外观模型并应用于多目标跟踪.对检测器输出的相邻帧间检测响应做保守关联,生成短小可靠的轨迹片;利用目标轨迹时空域约束条件,从轨迹片中提取训练样本及特征;采用Adaboost算法在线生成目标外观的判别性模型,计算轨迹片之间的外观相似度;最后采用匈牙利算法,经过多次迭代得到每个目标的完整轨迹.对实验结果做了定量和定性分析,结果表明:所设计的算法提高了跟踪精度,在复杂场景下能够较好地完成多目标跟踪任务.

多目标跟踪;轨迹片;外观模型;Adaboost算法

近十年来,随着目标检测技术快速发展,基于检测的跟踪方法[1-6]已成为当前多目标跟踪领域研究热点;该方法将多目标跟踪问题转化为数据关联问题,利用目标检测响应所包含的外观、运动、位置等信息设计关联模型,以此度量迹片间的连接概率(即相似度),实现轨迹片最优关联.Huang等人[6]提出的多级关联是一种比较流行的方法,该方法先通过初级关联得到可靠而短小的轨迹片,再通过逐级关联方式,计算轨迹片间的连接概率,应用Hungarian算法[8]得到最优关联解,逐步将短小轨迹片关联为长的目标轨迹.但文献[6]使用基于颜色直方图的外……

登录APP查看全文

猜你喜欢

关联特征检测
“苦”的关联
如何表达“特征”
不忠诚的四个特征
智趣
小波变换在PCB缺陷检测中的应用
线性代数的应用特征
语言学与修辞学:关联与互动