《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于地面估算与目标位置估计的多目标跟踪算法
基于地面估算与目标位置估计的多目标跟踪算法
2020年电子技术应用第8期
何 嘉1，奚峥皓1，2，阚 秀1
1.上海工程技术大学 电子电气工程学院，上海201620； 2.清华大学 计算机系 智能技术与系统国家重点实验室，北京100091
摘要： 提出了一种基于地面移动平台的多目标跟踪系统。系统将利用移动平台上摄像头的部分外参，构建与视频流对应的地面栅格图。系统将用HOG算法检测目标，并在构建的地面栅格图中计算地面占用，来跟踪目标。为了保证移动平台下多目标跟踪的鲁棒性，算法可以根据视频序列中消失点变化情况补偿目标运动模型，并与地面栅格图中的目标三维信息相结合。通过与其他算法在相同视频序列中的结果比较，发现所提出的算法是有实际效果的。
中圖分類號： TN919.82；TP23
文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.190737
中文引用格式： 何嘉，奚崢皓，闞秀. 基于地面估算與目標(biāo)位置估計的多目標(biāo)跟蹤算法[J].電子技術(shù)應(yīng)用，2020，46(8)：112-116.
英文引用格式： He Jia，Xi Zhenghao，Kan Xiu. Multi-target tracking algorithm based on ground projection and target position estimation[J]. Application of Electronic Technique，2020，46(8)：112-116.
Multi-target tracking algorithm based on ground projection and target position estimation
He Jia1，Xi Zhenghao1，2，Kan Xiu1
1.School of Electronic and Electrical Engineering，Shanghai University of Engineering Science，Shanghai 201620，China； 2.State Key Laboratory of Intelligent Technology and Systems，Department of Computer Science，Tsinghua University， Beijing 100091，China
Abstract： This paper presents a multi-target tracking system based on terrestrial mobile platform. The system will use some external parameters of the camera on the mobile platform to construct the ground raster map corresponding to the video stream. The system will use HOG algorithm to detect the target and calculate the occupancy of the ground in the raster map to track the target. In order to guarantee the robustness of multi-target tracking under mobile platform, we also propose a target estimation algorithm based on the change of vanishing point in video sequence. By comparing the results of other algorithms in the same video sequence, it is found that the proposed algorithm is effective.
Key words : multi-target tracking；ground moving platform；probabilistic occupancy map；vanishing point；target estimation

0 引言

    多目標(biāo)跟蹤按照攝像頭數(shù)量，可分為兩大類：單目跟蹤方法與多目跟蹤方法。

    (1)單目跟蹤方法

    傳統(tǒng)方法[1-2]多是在目標(biāo)區(qū)域建立簡單目標(biāo)特征，但復(fù)雜背景大大提高了目標(biāo)特征的提取難度，且遮擋魯棒性低。對此，Chu Chunte[3]提出多核的目標(biāo)跟蹤算法，解決了局部遮擋下的目標(biāo)跟蹤；段沛沛[4]等人則是通過稀疏算法，壓縮樣本數(shù)據(jù)提高運算速度。

    神經(jīng)網(wǎng)絡(luò)算法在目標(biāo)跟蹤中同樣有較為廣泛的應(yīng)用[5-7]，但樣本與真實目標(biāo)間的差異往往導(dǎo)致跟蹤效果不佳，因此HYEONSEOB N[8]開始在線調(diào)整訓(xùn)練樣本。對于目標(biāo)的運動估計，通常使用粒子濾波算法，但重采樣過程運算時間較長。對此，Li Peihua[9]就圖像顏色信息重新構(gòu)建了粒子濾波跟蹤算法，POJALA C[10]將自適應(yīng)加權(quán)算法引入重采樣過程。

    (2)多目跟蹤方法

    在多攝像機情況下，融合不同攝像機下的光學(xué)遮擋結(jié)構(gòu)，可以有效解決遮擋問題[11-12]，但無法有效剔除局部的虛假目標(biāo)。對此，OTSUKA K[11]引入了遞歸貝葉斯估計，而MITTAL A[12]通過卡爾曼濾波器來約束目標(biāo)。UTASI A[13]與BENEDEK C[14]則側(cè)重于多視角下的目標(biāo)特征提取。前者旨在提取目標(biāo)像素級特征，而后者旨在構(gòu)建三維對象模型。FLEURET F[15]等人首次提出一種概率占用圖(POM)模型，計算目標(biāo)在場景平面網(wǎng)格圖上的占用概率，但算法運行時間較長。LIN Y S等人提出一種根據(jù)消失點的快速人員定位方法[16]。JEROME B等人利用前后幀目標(biāo)關(guān)系，通過k-shortest路徑算法快速優(yōu)化軌跡[17]。

    多目跟蹤方法盡管有著測量精度高、目標(biāo)信息豐富等優(yōu)點，但高緯度的信息往往會占據(jù)較大的運行時間，不利于算法實時性。本文將提出一種基于單目攝像機的背景建模方法，并根據(jù)消失點變化情況估補償目標(biāo)運動模型。所提出的算法將具有以下特點：(1)準(zhǔn)確表現(xiàn)場景三維信息；(2)檢測場景變化情況并反饋給目標(biāo)模型。




本文詳細(xì)內(nèi)容請下載：http://ihrv.cn/resource/share/2000002963




作者信息：

何  嘉1，奚崢皓1，2，闞  秀1

(1.上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院，上海201620；

2.清華大學(xué) 計算機系 智能技術(shù)與系統(tǒng)國家重點實驗室，北京100091)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。