本文關(guān)鍵詞： 多目標(biāo)跟蹤 廣義關(guān)聯(lián)聚類圖 分層數(shù)據(jù)關(guān)聯(lián) 檢測(cè)跟蹤 遮擋處理　出處：《自動(dòng)化學(xué)報(bào)》2017年01期 　論文類型：期刊論文

【摘要】：檢測(cè)跟蹤是近期多目標(biāo)跟蹤研究的熱點(diǎn)方向之一.目前大部分方法都是基于相鄰幀之間的雙向匹配,對(duì)檢測(cè)點(diǎn)進(jìn)行數(shù)據(jù)融合.本文提出的方法是,給定一個(gè)滑動(dòng)時(shí)間窗口,在窗口內(nèi)對(duì)某個(gè)目標(biāo)每幀出現(xiàn)的檢測(cè)點(diǎn)進(jìn)行一次性數(shù)據(jù)融合.我們把多目標(biāo)跟蹤看作圖的分割問題,利用廣義關(guān)聯(lián)聚類(Generalized correlation clustering problem,GCCP)圖優(yōu)化文中提出的數(shù)據(jù)融合.吸取分層數(shù)據(jù)關(guān)聯(lián)的思想,把多目標(biāo)跟蹤分成兩個(gè)階段.首先,在時(shí)間窗口內(nèi)遵循檢測(cè)點(diǎn),利用廣義關(guān)聯(lián)聚類,得到自適應(yīng)長度的軌跡片段,軌跡片段長度不受窗口寬度的限制.然后,基于軌跡片段進(jìn)一步數(shù)據(jù)關(guān)聯(lián),得到目標(biāo)的長軌跡.在公共數(shù)據(jù)集上的實(shí)驗(yàn)測(cè)試表明,本文方法能夠有效地實(shí)現(xiàn)多目標(biāo)跟蹤,對(duì)于遮擋處理、身份轉(zhuǎn)換處理以及軌跡的生成具有很好的魯棒性,多目標(biāo)跟蹤準(zhǔn)確率(Multiple object tracking accuracy,MOTA)超過當(dāng)前水平.
[Abstract]:Detection and tracking is one of the hot topics in the recent multi-target tracking research. At present, most of the methods are based on the bidirectional matching between adjacent frames and the data fusion of the detection points. The method proposed in this paper is. Given a sliding time window, the detection points of each frame of a target are fused in the window. We treat multi-target tracking as a graph segmentation problem. Generalized correlation clustering problem is used for generalized association clustering. GCCP-graph optimizes the data fusion proposed in this paper. By absorbing the idea of hierarchical data association, the multi-target tracking is divided into two stages. Firstly, the detection points are followed in the time window, and the generalized association clustering is used. The length of the trajectory segment is not limited by the window width. Then, the long trajectory of the target is obtained by further data association based on the trajectory fragment. The experimental results on the common data set show that the length of the trajectory fragment is not limited by the window width. This method can effectively achieve multi-target tracking, and has good robustness for occlusion processing, identity conversion processing and trajectory generation. Multiple object tracking acculturation rate (MOTAA) is higher than the current level.
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【正文快照】： 引用格式齊美彬,岳周龍,疏坤,蔣建國.基于廣義關(guān)聯(lián)聚類圖的分層關(guān)聯(lián)多目標(biāo)跟蹤.自動(dòng)化學(xué)報(bào),2017,43(1):152-160Multi-object Tracking Using Hierarchical Data Association Based onGeneralized Correlation Clustering GraphsQI Mei-Bin1YUE Zhou-Long1SHU Kun1多目標(biāo)跟蹤是

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 楊峰;梁彥;葉亮;潘泉;;多目標(biāo)跟蹤系統(tǒng)性能評(píng)估[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 徐炳吉;段福興;孟昭為;;一類多站聯(lián)合多目標(biāo)跟蹤的分解合成算法[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

3 敬忠良;王培德;周宏仁;;機(jī)動(dòng)多目標(biāo)跟蹤統(tǒng)一方法[A];1991年控制理論及其應(yīng)用年會(huì)論文集（下）[C];1991年

4 徐炳吉;孟昭為;段福興;;一類多站聯(lián)合多目標(biāo)跟蹤分解算法[A];1995年中國控制會(huì)議論文集（下）[C];1995年

5 遲健男;劉叢叢;朱博;劉季為;劉雷;;多人多點(diǎn)觸摸系統(tǒng)多用戶協(xié)同交互觸點(diǎn)歸屬問題研究[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

6 李良群;謝維信;;雜波環(huán)境下基于視線距離的被動(dòng)多目標(biāo)跟蹤[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

7 史英杰;彭冬亮;;多傳感器多目標(biāo)跟蹤算法仿真平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[A];浙江省電子學(xué)會(huì)2009學(xué)術(shù)年會(huì)論文集[C];2009年

8 邱本勝;徐莉;楊敬安;張奠成;;一種自動(dòng)目標(biāo)跟蹤中的非中心跟蹤門方法[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 朱虹;權(quán)冀川;張育銘;;淺析隨機(jī)集及其在多目標(biāo)跟蹤中的應(yīng)用[A];第九屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2007年

10 楊向鋒;楊云川;陳曦;;魚雷多目標(biāo)跟蹤門濾波方法[A];中國造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2011年海戰(zhàn)場(chǎng)電子信息技術(shù)學(xué)術(shù)年會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 趙高升;“功勛雷達(dá)”立新功[N];中國航天報(bào);2011年

相關(guān)博士學(xué)位論文 前4條

1 張鶴冰;概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中的應(yīng)用[D];哈爾濱工程大學(xué);2012年

2 黨建武;水下制導(dǎo)多目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2004年

3 胡煒薇;多傳感器數(shù)據(jù)融合中多目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2007年

4 王安定;基于陣列信號(hào)處理的空間多目標(biāo)跟蹤[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 廖逸琪;多攝像機(jī)下多目標(biāo)跟蹤相關(guān)技術(shù)研究[D];南京理工大學(xué);2015年

2 王俊杰;基于PHD濾波的高速空間多目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

3 謝建超;基于多特征聯(lián)合的多目標(biāo)跟蹤的研究[D];哈爾濱工業(yè)大學(xué);2015年

4 朱志勇;相控陣?yán)走_(dá)多目標(biāo)跟蹤下的資源優(yōu)化與資源管理方法研究[D];西安電子科技大學(xué);2014年

5 張俊杰;基于軌跡優(yōu)化的多目標(biāo)跟蹤研究[D];合肥工業(yè)大學(xué);2014年

6 趙其鵬;目標(biāo)跟蹤中結(jié)構(gòu)先驗(yàn)獲取和結(jié)構(gòu)保持特性研究[D];合肥工業(yè)大學(xué);2014年

7 楊艷;智能交通中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];昆明理工大學(xué);2016年

8 高現(xiàn)文;利用視頻信息的多目標(biāo)跟蹤研究[D];電子科技大學(xué);2016年

9 鄭璐;基于Mean Shift和粒子濾波的目標(biāo)跟蹤[D];西安科技大學(xué);2015年

10 胡曉川;基于視頻序列多目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)與仿真[D];成都理工大學(xué);2013年

，

本文編號(hào)：1450986