基于圖分類的多目標(biāo)跟蹤算法.pdf

1、目標(biāo)跟蹤技術(shù)是指在連續(xù)的動(dòng)態(tài)圖像序列中對目標(biāo)進(jìn)行檢測、提取、識(shí)別、定位和跟蹤等一系列技術(shù)的總和，通過該技術(shù)可以實(shí)時(shí)地獲取目標(biāo)的位置、大小、速度、加速度和運(yùn)動(dòng)軌跡等信息，然后根據(jù)需要對這些信息進(jìn)行理解和分析從而實(shí)現(xiàn)運(yùn)動(dòng)監(jiān)控、醫(yī)療診斷、工業(yè)檢測、三維重構(gòu)和導(dǎo)航制導(dǎo)等高層次的任務(wù)。目標(biāo)跟蹤一直是計(jì)算機(jī)視覺研究領(lǐng)域的熱點(diǎn)，但場景的光線變化，跟蹤目標(biāo)的遮擋問題，以及測試視頻低分辨率等情況，往往導(dǎo)致跟蹤目標(biāo)軌跡的間斷性和無效性。隨著近年來便攜式視頻

2、采集設(shè)備的大量普及，目標(biāo)跟蹤的研究也逐漸從單目標(biāo)的跟蹤向多目標(biāo)跟蹤傾斜。如何有效的解決不同環(huán)境下多目標(biāo)的跟蹤問題，進(jìn)而得到準(zhǔn)確有效的跟蹤軌跡，成了如今擺在科研工作者面前亟待解決的問題。
　　本課題針對如今目標(biāo)跟蹤算法的常見問題，采用了“檢測+跟蹤”的系統(tǒng)方案，提出了一種基于圖分類算法的多目標(biāo)跟蹤算法。首先，利用背景差分法得到運(yùn)動(dòng)目標(biāo)的前景區(qū)域，再利用局部檢測模型(Deformable Parts Model，DPM)得到跟蹤目標(biāo)在

3、視頻幀中的具體位置;之后，利用視頻幀序列中檢測目標(biāo)的時(shí)間和空間信息生成一系列可靠的跟蹤目標(biāo)短距離運(yùn)動(dòng)軌跡(tracklet)。最后，利用本文所提出的圖聚類算法解決tracklet之間的數(shù)據(jù)融合問題，得到最終的跟蹤目標(biāo)運(yùn)動(dòng)軌跡。
　　本文采用DPM檢測算法確定跟蹤目標(biāo)，DPM算法可以得到每個(gè)檢測跟蹤目標(biāo)詳細(xì)的局部特征信息，因此可以有效解決跟蹤過程中的遮擋問題;利用圖聚類方法解決數(shù)據(jù)融合問題的算法，該算法不僅可有有效解決單視角下的目標(biāo)