分享到:

多目标跟踪

本文提出了一种多机动目标跟踪的方法。该方法用自适应门限获得二值图像,其中,自适应门限用边缘和灰度二重信息来建立,并对由此所获得的二值图像进行预处理。在此基础上,利用目标像素点的空  (本文共6页) 阅读全文>>

电子科技大学
电子科技大学

基于数据关联的视频多目标跟踪关键技术研究

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...  (本文共129页) 本文目录 | 阅读全文>>

中国科学技术大学
中国科学技术大学

基于深度学习的视频多目标跟踪算法研究

视频多目标跟踪是计算机视觉中一个重要的基础性问题,在智能视频监控、自动驾驶、智能机器人、智能人机交互、体育视频分析等领域具有重要的应用价值。多目标之间频繁的遮挡问题使得单目标跟踪算法难以扩展到多目标跟踪场景中,单目标跟踪算法的跟踪效率随着跟踪目标数目增多而急剧下降的问题进一步限制了其在多目标场景中的应用。此外,现有基于检测的数据关联多目标跟踪算法存在过于依赖检测器性能和无法利用视频中目标检测与跟踪之间的关系的缺陷。本论文针对这些问题展开了深入的研究,主要的研究内容以及创新成果如下:1.提出了一种基于抗遮挡单目标跟踪模型的在线多目标跟踪算法。该算法采用时空注意力机制和对抗学习来提高跟踪模型对遮挡的鲁棒性,解决目标跟踪中因遮挡造成的跟踪漂移问题,有效地将基于深度学习的单目标跟踪算法扩展到多目标跟踪场景中。空间注意力机制从空间上对目标的特征图进行加权,使得未被遮挡区域的特征得到更多的注意,从而当目标发生遮挡时,跟踪模型的跟踪结果更准确...  (本文共122页) 本文目录 | 阅读全文>>

江南大学
江南大学

基于随机有限集的多目标跟踪及航迹维持算法研究

多目标跟踪技术作为信息融合理论与先进滤波方法中最活跃的研究领域之一,被广泛应用于以航空、航天为代表的军事与民用领域。由于无需传统跟踪方法中所需的复杂的数据关联技术,基于随机有限集理论的多目标跟踪方法备受国、内外相关研究领域学者及工程技术人员的广泛关注。本文以随机有限集理论为支撑,采用概率假设密度滤波器为主要工具,重点围绕复杂跟踪场景中多目标跟踪及航迹维持问题开展了较为深入、系统的研究工作,主要包括以下几个方面:1.针对紧邻目标跟踪场景中目标状态及数目估计问题,线性高斯假设下提出一种紧邻多目标GM-PHD跟踪算法。在标准GM-PHD滤波器各离散时刻目标预测强度量测更新结束后,采用目标权值再分配方法检测并重新分配目标后验强度中目标分量不合理的权值;在目标后验强度的分量删减阶段,提出一种融合了分量标记法和分量权值度量法的目标分量剪枝与融合方法,一定程度上能够避免重要目标分量的融合错误问题。与现有相关紧邻多目标PHD滤波器相比,提出算法...  (本文共128页) 本文目录 | 阅读全文>>

北京科技大学
北京科技大学

基于数据关联优化算法的多目标跟踪器设计

得益于机器视觉技术的快速发展,世界各国越来越多的学者开始关注多目标跟踪技术领域的研究。多目标跟踪技术在安防监控、人机交互、智能系统等众多方向都展现出了显著的重要性。本课题主要为解决遮挡环境F的多目标持续跟踪问题。通过构建一个描述目标跟踪过程的网络流模型,在其基础上使用数据关联优化算法,实现对非连续帧的相同目标进行数据关联,完成多目标跟踪器的设计。同时,在设计过程中,对模型的建立和数据关联优化算法的合理性做了定性和定量的分析。围绕着上述内容,研究工作主要包括以下几个方面:1)寻找一种能够更好地描述多目标跟踪过程的模型,该模型应能满足目标彼此间的动态关系需要,有助于目标在遮挡环境下的跟踪表述,并从中得到理论的支持;2)研究在多目标跟踪模型下用新型数据关联优化算法实现对多个目标在遮挡环境下的持续跟踪,并给予这种方法以理论支撑。采用的新型数据关联优化算法能够改善多目标跟踪器的跟踪质量,提升跟踪速率,满足实时性的应用要求;3)解决多目标跟...  (本文共127页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

无人驾驶车辆多目标容错跟踪与轨迹预测研究

无人驾驶车辆在行车途中不仅要捕捉周围静止环境的信息,更重要的是获取运动障碍的信息,其中首要的关注对象是行人和其它车辆。基于摄像头采集的图像序列,通过多目标跟踪可以获取视野中每个目标在图像上的历史轨迹框,联合其他传感器如激光雷达,可以得到目标在真实世界中的历史运动轨迹,根据目标的历史轨迹可以进行合理的轨迹预测,用于无人驾驶车辆避障策略的制定。现实环境中的多目标跟踪存在诸多问题,比如因为车体抖动使得摄像头采集到的图像产生模糊,因为检测算法的不稳定导致的漏检等等。因此,本文针对多目标跟踪可能存在的一些实际问题进行改进,在原始的跟踪系统上增加了多个容错改进模块,在提升精度的同时使得其鲁棒性更强。并基于多目标跟踪得到的结果,对现实环境中的车辆运动轨迹进行预测,探究了多目标跟踪的实际用途。本文主要的研究工作和成果如下:1)针对原始多目标跟踪系统中可能存在的检测失效问题做了容错,对遮挡目标跟踪算法做了改进。多目标跟踪系统的性能很大程度上取决于...  (本文共95页) 本文目录 | 阅读全文>>