基于随机有限集的图像多目标跟踪与轨迹融合方法

发布时间：2019-10-10 11:31

【摘要】：随着计算机视觉理论的发展,图像多目标跟踪作为一个重要分支在军事侦查、城市安防、机器人技术等领域具有广泛的应用价值,是目标行为理解和场景分析等高级图像处理技术的前提。然而,图像多目标跟踪的研究缺乏统一有效的实时跟踪算法框架,无法将图像多目标跟踪诸多方面的研究进行统一,不利于算法性能的提高以及各功能模块的参数化研究。基于随机有限集的贝叶斯滤波框架在雷达目标跟踪领域具有优秀的性能,因此,本文研究基于随机有限集的图像多目标跟踪和轨迹融合方法,旨在提出一个通用的实时图像多目标跟踪研究框架,实现在线的图像多目标跟踪,具有重要的理论意义和工程应用价值。本文围绕着基于随机有限集的在线多目标跟踪算法框架,开展了如下的研究工作:基于带标签随机有限集的δ-GLMB和LMB滤波算法通过产生大量的关联假设,能够在线输出每个目标的轨迹,本文以δ-GLMB和LMB滤波算法为基础,提出了带标签的概率假设密度滤波(简称为LPHD)方法,解决了在目标个数较多时多目标在线轨迹跟踪的实时性问题。通过将每个目标后验状态近似为单一高斯分布,大量减少目标后验状态分布中的高斯项数量,提高滤波过程中关联假设更新的计算实时性,能够保证目标轨迹跟踪精度并大幅减少滤波时间。通过仿真实验对比三种滤波算法,验证了 LPHD滤波算法对点目标跟踪具有优异的跟踪精度和计算实时性。针对图像多目标跟踪缺乏统一算法框架的问题,对适用于点目标的LPHD滤波算法进行拓展,提出LPHD图像多目标跟踪算法。以算法框架的通用性为出发点,采用“矩形框+直方图”作为目标状态描述,分别研究了目标的自适应出生过程、预测过程和更新过程中主要模型和参数的建立。通过与已有的优秀跟踪算法进行对比实验,验证了LPHD图像跟踪算法具备优异的跟踪精度和计算实时性,并结合跟踪实验结果,分析了滤波参数对跟踪性能的影响。为了减轻离线训练的通用检测器对跟踪算法精度的影响,将互相关滤波器作为一种在线检测器引入到LPHD图像跟踪算法中,提出基于互相关滤波的LPHD在线检测跟踪算法。对采用离线检测器的LPHD滤波得到的高权值目标,初始化与其关联的互相关滤波器,在跟踪过程中采用互相关滤波器生成伪观测量以更新目标的状态和特征,并采用基于滤波响应的失效因子判断是否需要移除已经失效的互相关滤波器。与仅采用离线检测器的LPHD图像多目标跟踪算法进行对比实验,验证了在离线检测器效果欠佳时基于互相关滤波的LPHD在线检测跟踪能够提高轨迹保持能力。针对多摄像机目标的轨迹融合问题,结合标定信息将摄像机作为位置传感器,获得多个摄像机观测到的目标位置信息,研究了多传感器LPHD信息融合方法。沿用经典方式分别采用序贯滤波、并行滤波和随机滤波设计了适合用于集中式信息融合的多传感器LPHD滤波算法。同时,为了适应分布式的信息融合,研究了基于信息一致性的多传感器LPHD滤波算法。通过仿真实验验证了这些多传感器LPHD滤波算法的有效性,并结合多摄像机行人轨迹跟踪实验,说明了多传感器LPHD滤波算法能够解决多摄像机目标三维轨迹的集中式融合和分布式融合。
【图文】：

势分布,多目标,表达形式,目标

０．６逡逑０．５逡逑０．４逡逑０．３逡逑０．２逡逑■逡逑°０逦１逦２３４５６７邋Ｂ９邋１０邋ｎ逡逑图２．２两个目标Ｗ１）邋＝邋０．１，切⑶＝０．１时的势分布逡逑Ｆｉｇ＿２．２邋Ｃａｒｄｉｎａｌｉｔｙ邋ｄｉｓｔｒｉｂｕｔｉｏｎ邋ｉｆ邋ｉｆ／１）邋＝邋０．１，ｔｗ（２）邋＝邋０．１逡逑由图２．３中心ＧＬＭＢ的多目标状态描述可知，在（５－ＧＬＭＢ滤波过程中，每个目标的逡逑存在概率与势分布ｐ（ｎ）是不可分割的，因此，必须依赖于ｐ（ｎ）才能采用式（２－６）得出每个逡逑目标的存在概率。以目标１为例，在没有目标的场景假设中（ｎ邋＝邋０）目标１的存在概逡逑率为０，在只有一个目标的场景假设中（ｎ＝ｌ）目标１的存在概率为０．１８＊０．５邋＝邋０．０９，逡逑在两个目标的场景假设中（ｎ邋＝邋２）目标１的存在概率为０．０１＊邋１邋＝邋０．０１，在超过两个目逡逑标的场景假设中（ｎ邋２邋３）目标１的存在概率均为０。因此，目标１总的存在概率为所有逡逑场景假设中的存在概率之和，ＳＰ０邋＋０．０９邋＋０．０１＋邋０邋＋？■？邋＋邋０邋＝邋０．１。可以看出，夂ＧＬＭＢ逡逑在描述多目标状态时，必须依赖于势分布ｐ（ｎ），并且要遍历所有ｎ的取值范围（通常选逡逑用0，ｉＶｍａ作为取值区间），这种表达形式虽然很完备却非常繁琐。逡逑

势分布,目标,概率,场景

２．３中心ＧＬＭＢ的多目标状态描述可知，在（５－ＧＬＭＢ滤波过程中，每个与势分布ｐ（ｎ）是不可分割的，因此，必须依赖于ｐ（ｎ）才能采用式（２－６）得在概率。以目标１为例，在没有目标的场景假设中（ｎ邋＝邋０）目标１的在只有一个目标的场景假设中（ｎ＝ｌ）目标１的存在概率为０．１８＊０．５邋＝邋标的场景假设中（ｎ邋＝邋２）目标１的存在概率为０．０１＊邋１邋＝邋０．０１，在超过假设中（ｎ邋２邋３）目标１的存在概率均为０。因此，目标１总的存在概率中的存在概率之和，ＳＰ０邋＋０．０９邋＋０．０１＋邋０邋＋？■？邋＋邋０邋＝邋０．１。可以看出，夂Ｇ目标状态时，必须依赖于势分布ｐ（ｎ），，并且要遍历所有ｎ的取值范围（ａＪ作为取值区间），这种表达形式虽然很完备却非常繁琐。逡逑，逦，逦有，目标！逦，逦，逦，逦｜逦只有一个目标且为目标１的概率＝０．５逡逑０－０８１逦Ｉ逦Ｉ逦Ｉ逦＾逦Ｉ逦Ｉ逦Ｉ逦Ｉ？：逦：：逦：？逦：逦：：逦：？逦；逦？：逦－逦０．０６邋逦；逦；逦－：逦：逦逦：逦：逦；邋．．．．邋．邋．邋－邋．；邋．邋．．邋－邋００４邋■＇逦：＾：…邋逦：．０．０２邋－……？．邋．邋．邋．．晷ｙ邋．邋．邋％．．…－：逦逦邋逦逦：逦ｉ逦－６０逦－４０逦－２０逦０逦２０逦４０逦＾逦６０逦８０逦１００逡逑
【学位授予单位】：哈尔滨工程大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】