谢志鹏，卢一相，高清维，孙 冬，鲍 华

(安徽大学 电气工程与自动化学院，安徽 合肥 230601)

0 引 言

多目标跟踪(multi-object tracking,MOT)实现了可视化监控、智能交通导航、人机界面等许多高水平的计算机视觉任务。多目标跟踪需要处理存在的问题(如外观的变化[1],动态灯光和场景[2]),目标间的相互遮挡[3,4],同时定位目标,等等。总的来说，多目标跟踪方法大致可以分为两类:基于判别模型的跟踪方法和基于生成模型的跟踪方法。对于基于判别模型[2～5]的方法，通常采用目标检测算法来实现定位。同时，许多方法也采用了跨多帧的数据关联技术来识别所有目标，避免了混淆。例如，Vasuhi S等人[5]提出通过寻找具有最大边界的最优分类超平面来定位所有目标的位置。采用反向扫描多假设跟踪(1BMHT)策略，实现了数据关联操作。相比之下，基于生成模型的方法[6，7]通常利用搜索区域中的匹配算法来确定目标的位置。例如：Chang C等人[7]提出的一种用于视频中多目标跟踪的核化粒子滤波器，利用核函数对后验概率密度函数进行连续估计，并根据估计核密度的梯度对粒子进行分配，得到最优定位。除了定位外，为了避免遮挡导致跟踪性能的下降，常利用滤波器来预测被遮挡目标在遮挡过程中的运动轨迹。

本文提出了一种基于核函数和方向估计的多目标跟踪算法。利用颜色直方图结合核函数建立目标模型。最后，通过计算预构建模型与搜索目标模型之间的海林格距离确定目标位置。

1 目标表示与……

登录APP查看全文