沈阳理工大学信息科学与工程学院 周志海 郝向凯 刘 智 顾净鑫 杨大为

传统的目标跟踪算法很难实现行人多目标的在线跟踪，并且在于目标遮挡方面有很大问题，针对该问题，本文提出一种在线实时多目标跟踪算法，即使用Faster R-CNN系列检测器得到检测结果。根据卡尔曼滤波通过检测框进行预测、更新得到预测框。将得到的预测框与检测框通过IOU（交并比）算法，进行目标消失与新目标出现的确定，再使用匈牙利算法进行数据关联。本文所提出的算法可以很大程度的提高多目标追踪与遮挡问题的实时性、准确性。

在大部分应用计算机视觉领域以及图像处理的场景中，运动目标跟踪MOT(Moving Object Tracking)都是其不可或缺的一部分。目前单目标跟踪技术已然趋于成熟，而多目标跟踪还有很大的发展空间，且目前仍处在不断发展的阶段。多目标跟踪还需要解决以下几个问题：多个目标之间的重叠与遮挡；目标的运动检测与相似度判别；目标的自动初始化与自动终止；目标跟丢后的再识别等问题。

数据关联算法将目标跟踪看做数据关联问题，对邻帧间的检测和轨迹进行连接，从而使轨迹有更长的连续。根据C.Huang等人提出观点，即可将MOT问题转化为三层逐步细化的数据关联问题逐步解决。

近年来，深度学习被应用于基于检测的数据集实现的多目标跟踪中，从而使后续的跟踪效果更为准确。目前较为普遍的检测器分为两种，分别是以YOLO为代表的one-stage的检测算法和以Faster R-CNN为代表的two-stage检测算法。……