戴臣超,王洪元,曹 亮,殷雨昌,张 继

（常州大学计算机与人工智能学院，阿里云大数据学院，常州，213164）

随着经济的发展和人们对安全需求的日益加强，越来越多的监控摄像机被安装在医院、火车站、机场和学校等大型公共场所.传统的监控摄像机仅有录制视频、存储视频、播放视频的功能，若要对异常状况进行实时监控和报警往往需要监控人员不间断地注视屏幕，这极其耗时耗力.最重要的是，各地部署的摄像机每天会产生海量的监控视频，仅仅依靠人工难以处理.为提高监控效率、减轻人工劳动负荷，可以借助计算机视觉、深度学习和模式识别等相关技术［1-4］实现对视频中无关信息的自动过滤、特定目标的自动识别和异常状况的及时报警等功能，因此多目标跨摄像头跟踪技术应运而生并迅速成为一大研究热点，同时涌现出一批有价值的多目标跨摄像头跟踪算法.例如，Chen et al［5］提出一种基于图模型的联合优化方法.该方法使用全局图模型来匹配局部轨迹片段，在图模型中每个节点代表一个轨迹片段，每条边代表轨迹片段的连接，通过寻找从源节点到目标节点的最小代价流，得到每个跟踪对象的完整运动轨迹.Zhang et al［6］使用卷积神经网络为每个追踪对象提取鲁棒的深度特征，并引入一个特征重排序机制匹配各个追踪对象的轨迹片段.Lee et al［7］提出一种增量相机链接模型，利用追踪对象的线索信息来自适应匹配轨迹片段，并且在线更新……