基于MHT 的多物體跟蹤算法

邵 潔

(上海電力學(xué)院計算機與信息工程學(xué)院，上海 200090)

運動目標分析是計算機視覺研究領(lǐng)域中的一個富有挑戰(zhàn)性的課題.它涵蓋了移動目標物體的檢測、目標物體的跟蹤，以及跟蹤物體的行為識別等方面的內(nèi)容.這一課題在醫(yī)學(xué)檢測、軍事監(jiān)測、安全報警、智能居室、錄像檢索與回放等高科技領(lǐng)域具有廣泛的應(yīng)用前景.

1 多物體跟蹤系統(tǒng)

目標跟蹤是指將收集在一定區(qū)域內(nèi)的一個或多個潛在目標的傳感信息進行判斷，區(qū)分出新目標和匹配原始跟蹤路徑的已有目標.更重要的是，一旦跟蹤確立，就可以進一步估計出目標物體的大量有用信息，例如運動速度、下一幀行進位置、目標分類特征等.一般而言，常見的監(jiān)控系統(tǒng)都是針對多物體場景設(shè)置的，因此多物體跟蹤(MTT)是最重要的跟蹤應(yīng)用模式.圖1為典型的MTT系統(tǒng)的基本流程圖［1］.

圖1 MTT系統(tǒng)基本流程

當前，多目標跟蹤的難點主要來源于以下幾個方面:一是突發(fā)性物體運動;二是運動目標和運動場景同時變化;三是目標結(jié)構(gòu)運動過程中的形變;四是目標間或目標與背景間產(chǎn)生遮擋;五是攝像機移動狀態(tài)下的運動跟蹤.

根據(jù) ALPER Yilmaz等人［2］的統(tǒng)計，能夠?qū)崿F(xiàn)多物體跟蹤算法的主要有來自于 SETHI和JAIN的最近鄰法(GNN)、SHAFIQUE的多幀數(shù)據(jù)跟蹤法(MFT)、BAR-Shalom的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法(JPDAF)等.

與這些方法相比，多假設(shè)跟蹤算法(MHT)同時具有實現(xiàn)多目標場景下的物體進入、離開，以及被短暫遮擋等特殊情況下的跟蹤能力，同時易于實現(xiàn)程……