本文關(guān)鍵詞： 機(jī)器視覺 多目標(biāo)跟蹤 能量最小化 身份標(biāo)簽互換 軌跡分段　出處：《激光與光電子學(xué)進(jìn)展》2017年11期 　論文類型：期刊論文

【摘要】：針對離散-連續(xù)能量最小化(DCEM)方法在復(fù)雜場景中對軌跡分段或身份標(biāo)簽互換無法有效處理的問題,提出一種改進(jìn)的DCEM多目標(biāo)跟蹤方法。該方法通過提取被跟蹤目標(biāo)的多特征融合外觀向量,利用不同目標(biāo)間外觀特征向量的歐氏距離設(shè)計軌跡的外觀約束項,處理身份標(biāo)簽互換問題;通過計算相鄰時空域內(nèi)不同軌跡間的運(yùn)動相似性和外觀相似性,設(shè)計后處理過程,合并可能為同一軌跡的短軌跡,處理軌跡分段問題。實(shí)驗結(jié)果表明,平均跟蹤準(zhǔn)確度提高3.6%,平均跟蹤精度提高2.5%,并且身份標(biāo)簽互換和軌跡分段情況得到大幅改善,該方法具有更精確更穩(wěn)定的跟蹤能力。
[Abstract]:The discrete continuous energy minimization (DCEM) method can not effectively deal with trajectory segmentation or identity label exchange in complex scenarios. An improved DCEM multi-target tracking method is proposed, in which the appearance vectors of multi-feature fusion are extracted. The Euclidean distance between different objects is used to deal with the problem of identity label exchange. By calculating the motion similarity and appearance similarity between different trajectories in adjacent space-time domain, the post-processing process is designed to merge the short trajectory that may be the same track, and to deal with the trajectory segmentation problem. The average tracking accuracy is increased by 3.6, the average tracking accuracy is improved by 2.5, and the identity label exchange and trajectory segmentation are greatly improved. This method has a more accurate and stable tracking capability.
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)技術(shù)應(yīng)用教育部工程研究中心;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項資金(JUSRP51510)
【分類號】：TP391.41
【正文快照】： 多目標(biāo)跟蹤是跟蹤圖像序列中的多個移動目標(biāo)并隨時間分配各個目標(biāo)身份的問題,目標(biāo)圖像不完整、遮擋和復(fù)雜的目標(biāo)運(yùn)動等都會增加跟蹤的難度。在發(fā)展初期,多目標(biāo)跟蹤主要是獨(dú)立檢測的跟蹤,即在第一幀標(biāo)定被跟蹤目標(biāo)的位置然后用濾波方法逐幀跟蹤目標(biāo)。但這種方法只能跟蹤固定數(shù)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 路紅;費(fèi)樹岷;鄭建勇;張濤;;基于行為和部分觀測的多目標(biāo)跟蹤(英文)[J];Journal of Southeast University(English Edition);2008年04期

2 蔣戀華;甘朝暉;蔣e，

本文編號：1461077