基于数据关联的视频多目标跟踪关键技术研究

发布时间：2024-02-03 11:15

　　视频多目标跟踪是计算机视觉的一项重要任务,广泛存在于视频监控、交通控制、自动驾驶以及人机交互等各种应用与研究领域。随着目标检测技术的快速发展,先借助检测技术定位目标,而后运用数据关联技术生成目标轨迹的方法成为多目标跟踪的主流方案,该方法称为基于数据关联的视频多目标跟踪方法。实际情况中,目标运动模式、周围环境、视频成像方式等因素往往十分复杂,使得视频多目标跟踪技术中依然存在许多困难的问题亟待解决。本文针对基于数据关联的视频多目标跟踪方法,围绕它的几个困难的关键性问题开展了深入研究:(1)关联过程中目标的随机出现与消失造成其数目持续动态变化,给数据关联的优化求解带来很大困难;(2)跟踪环境中目标间高区分度特征提取与检测数据的噪声抑制问题;(3)行人多目标运动中近距离的彼此影响与复杂运动规律的准确估计问题;(4)目标密集场景中彼此的频繁遮挡导致大量目标轨迹破碎,这种困难情况下的信息增强与有效关联问题。论文的主要研究内容如下:(1)针对目标数目不确定性问题,提出了一种网络流数据关联求解算法。基于轨迹片段建立网络流数据关联模型,将数据关联转化为求解网络中的最小费用流问题,运用最短路径迭代算法求解...

【文章页数】：129 页

【学位级别】：博士

【部分图文】：

图1-1视频多目标跟踪的应用场景示意图

电子科技大学博士学位论文2查的同时，政府也利用了社会治安监控系统和交通监控系统对目标患者的轨迹进行分析，可以快速、有效地寻找到需要隔离的目标。《中国制造2025》[1]提出统筹布局和推动智能交通工具、智能工程机械、服务机器人等产品研发和产业化，视频多目标跟踪是实现这些目标的关键技....

图2-1运动摄像机跟踪场景中目标随机出

У那蠼夥桨浮Ｔ诖?砟勘晁婊?鱿?和消失问题时，文献[75,76]都采用图像边界作为判断轨迹起始和终结的依据。Pirsiavash等[75]更是强调了场景中的建筑和道路信息都能够提示目标有可能在此处出现和消失。Schulter等[91]提出了利用深度学习方法训练网络中的费用值，通过....

图2-1运动摄像机跟踪场景中目标随机出现情况示意图

У那蠼夥桨浮Ｔ诖?砟勘晁婊?鱿?和消失问题时，文献[75,76]都采用图像边界作为判断轨迹起始和终结的依据。Pirsiavash等[75]更是强调了场景中的建筑和道路信息都能够提示目标有可能在此处出现和消失。Schulter等[91]提出了利用深度学习方法训练网络中的费用值，通过....

图2-2网络流数据关联模型示意图

电子科技大学博士学位论文16*argmax(|)()..,ijijTjkPTPstjk(2-6)基于2.3.1.1中的轨迹片段生成方法能够得到可靠的轨迹片段集合。由于设定了较为严格的阈值，每一个轨迹片段都是可以被信赖的，即每个轨迹片段的似然概率(|)1iPT，根据这个假设进一步对....

本文编号：3894089