基于广义关联聚类图的分层关联多目标跟踪
本文关键词: 多目标跟踪 广义关联聚类图 分层数据关联 检测跟踪 遮挡处理 出处:《自动化学报》2017年01期 论文类型:期刊论文
【摘要】:检测跟踪是近期多目标跟踪研究的热点方向之一.目前大部分方法都是基于相邻帧之间的双向匹配,对检测点进行数据融合.本文提出的方法是,给定一个滑动时间窗口,在窗口内对某个目标每帧出现的检测点进行一次性数据融合.我们把多目标跟踪看作图的分割问题,利用广义关联聚类(Generalized correlation clustering problem,GCCP)图优化文中提出的数据融合.吸取分层数据关联的思想,把多目标跟踪分成两个阶段.首先,在时间窗口内遵循检测点,利用广义关联聚类,得到自适应长度的轨迹片段,轨迹片段长度不受窗口宽度的限制.然后,基于轨迹片段进一步数据关联,得到目标的长轨迹.在公共数据集上的实验测试表明,本文方法能够有效地实现多目标跟踪,对于遮挡处理、身份转换处理以及轨迹的生成具有很好的鲁棒性,多目标跟踪准确率(Multiple object tracking accuracy,MOTA)超过当前水平.
[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.
【作者单位】: 合肥工业大学计算机与信息学院;
【正文快照】: 引用格式齐美彬,岳周龙,疏坤,蒋建国.基于广义关联聚类图的分层关联多目标跟踪.自动化学报,2017,43(1):152-160Multi-object Tracking Using Hierarchical Data Association Based onGeneralized Correlation Clustering GraphsQI Mei-Bin1YUE Zhou-Long1SHU Kun1多目标跟踪是
【相似文献】
相关会议论文 前10条
1 杨峰;梁彦;叶亮;潘泉;;多目标跟踪系统性能评估[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 徐炳吉;段福兴;孟昭为;;一类多站联合多目标跟踪的分解合成算法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
3 敬忠良;王培德;周宏仁;;机动多目标跟踪统一方法[A];1991年控制理论及其应用年会论文集(下)[C];1991年
4 徐炳吉;孟昭为;段福兴;;一类多站联合多目标跟踪分解算法[A];1995年中国控制会议论文集(下)[C];1995年
5 迟健男;刘丛丛;朱博;刘季为;刘雷;;多人多点触摸系统多用户协同交互触点归属问题研究[A];第25届中国控制与决策会议论文集[C];2013年
6 李良群;谢维信;;杂波环境下基于视线距离的被动多目标跟踪[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
7 史英杰;彭冬亮;;多传感器多目标跟踪算法仿真平台设计与实现[A];浙江省电子学会2009学术年会论文集[C];2009年
8 邱本胜;徐莉;杨敬安;张奠成;;一种自动目标跟踪中的非中心跟踪门方法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 朱虹;权冀川;张育铭;;浅析随机集及其在多目标跟踪中的应用[A];第九届中国青年信息与管理学者大会论文集[C];2007年
10 杨向锋;杨云川;陈曦;;鱼雷多目标跟踪门滤波方法[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年
相关重要报纸文章 前1条
1 赵高升;“功勋雷达”立新功[N];中国航天报;2011年
相关博士学位论文 前4条
1 张鹤冰;概率假设密度滤波算法及其在多目标跟踪中的应用[D];哈尔滨工程大学;2012年
2 党建武;水下制导多目标跟踪关键技术研究[D];西北工业大学;2004年
3 胡炜薇;多传感器数据融合中多目标跟踪关键技术研究[D];哈尔滨工程大学;2007年
4 王安定;基于阵列信号处理的空间多目标跟踪[D];浙江大学;2010年
相关硕士学位论文 前10条
1 廖逸琪;多摄像机下多目标跟踪相关技术研究[D];南京理工大学;2015年
2 王俊杰;基于PHD滤波的高速空间多目标跟踪系统设计与实现[D];哈尔滨工业大学;2015年
3 谢建超;基于多特征联合的多目标跟踪的研究[D];哈尔滨工业大学;2015年
4 朱志勇;相控阵雷达多目标跟踪下的资源优化与资源管理方法研究[D];西安电子科技大学;2014年
5 张俊杰;基于轨迹优化的多目标跟踪研究[D];合肥工业大学;2014年
6 赵其鹏;目标跟踪中结构先验获取和结构保持特性研究[D];合肥工业大学;2014年
7 杨艳;智能交通中运动目标检测与跟踪算法研究[D];昆明理工大学;2016年
8 高现文;利用视频信息的多目标跟踪研究[D];电子科技大学;2016年
9 郑璐;基于Mean Shift和粒子滤波的目标跟踪[D];西安科技大学;2015年
10 胡晓川;基于视频序列多目标跟踪系统设计与仿真[D];成都理工大学;2013年
,本文编号:1450986
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1450986.html