多目标跟踪

摘要： 对象初始化方法决定了如何对待多目标跟踪问题,与后续的多目标跟踪效果直接相关。不同的对象初始化方法能够确定不同的多目标跟踪框架,每一种框架都提供一种解决问题的思路,使得多目标跟踪的对象初始化问题具有巨大的研究前景。目前关于多目标跟踪中的对象初始化方法的综述性文献较少或缺乏系统性的对象初始化概述,因此文中从多假设跟踪方法、网络流方法、深度学习方法和主题发现方法4个方面对多目标跟踪的对象初始化方法进行分析。系统地阐述了不同多目标跟踪框架下的任务转换和对象映射问题,汇总了多目标跟踪的对象初始化方法。

摘要： 目前,多目标跟踪算法仍面临诸多挑战,例如遮挡、快速运动等所造成的影响难以完全规避。为了解决上述问题,提出一种基于马尔科夫决策过程的多目标跟踪算法。该算法将每个目标建模成一个马尔科夫决策过程,通过最大化奖励函数来驱动状态间的转移,并将强化学习训练用于数据关联相似度函数,有效地解决了目标遮挡问题。同时,为了解决物体快速运动导致跟踪算法丢失目标问题,利用超像素建立表观模型,充分考虑历史图像信息,提高跟踪算法的准确性与可靠性。实验评估表明,该跟踪器在公开的MOT15数据集上具有良好的性能。提出的跟踪器在多目标跟踪精度(multide object tracking accuracy,MOTA)指标上达到36.5,远高于其他对比算法,而在ID switch指标上仅仅为308次,低于其他对比算法,显著地减少了目标丢失率以及身份交换率。

摘要： 基于毫米波雷达车辆感知数据,本文提出一种轨迹精度估计方法。该方法对车辆运动在雷达坐标系中进行正交分解,在各向上建立车辆运动轨迹模型并拟合模型参数实现车辆真实运动轨迹估计。以车辆轨迹定位与速度感知数据与轨迹估计值计算定位与速度结果残差的标准差作为评价指标对车辆轨迹精度进行估计。本文结合上海市东海大桥实际道路交通场景雷达感知车辆数据进行车辆轨迹感知精度估计,结果显示,毫米波雷达感知车辆轨迹数据在×方向上,定位测量残差标准差为0.28m,速度测量残差标准差为1.39m/s。在y方向上,定位测量残差标准差为0.58m,速度测量残差标准差为1.50m/s,实现在不需要车辆轨迹真值的情况下对毫米波雷达感知车辆轨迹精度进行有效预估。

摘要： 基于多输入多输出(multiple-input multiple-output,MIMO)雷达构建的组网系统,继承了MIMO雷达和组网系统的优点,具有重要的研究价值。在MIMO雷达组网系统中,由于系统资源的灵活可控性,组网系统中的子雷达可以根据作战需求协同完成任务。本文针对多目标跟踪应用背景,讨论了如何自适应选取工作时机、机会协同跟踪雷达节点、被激活节点发射能量以及波形种类和参数的联合选取问题。首先,建立MIMO雷达组网系统协同目标跟踪优化问题模型,其中目标函数综合考虑了组网系统资源消耗量以及多目标跟踪精度;随后,通过粒子群方法求解所建立的优化问题模型,获得MIMO雷达组网系统的机会协同目标跟踪算法。仿真结果表明,与非协同方法和其他固定参数跟踪方法相比,采用机会协同跟踪算法的综合代价最小,体现了所提算法的有效性。

摘要： 为解决多目标跟踪任务中复杂场景下因检测器漏检或频繁遮挡导致特征表达信息不足和数据关联不正确的问题。文章提出了一个双线多目标跟踪方法;使用外观与运动的多特征信息解决特征表达信息不足的问题;而数据匹配采用端到端的图网络(GNN)进行图最优匹配,并结合传统匈牙利算法优化数据关联。实验在MOT数据集上与近年来经典跟踪方法进行了比较,在MOT17数据集上综合性能指标MOTA、IDF1均高于该性能指标排名第二的方法,MOTA提高了3%,IDF1提高了5%;并通过消融实验验证了多特征信息对多目标跟踪性能提高的有效性。

摘要： 针对东北虎图像收集效率低的问题,提出了基于无人机载摄像机收集东北虎图像的方案,提高了东北虎图像收集效率。针对多目标跟踪算法参数量大,准确率低的问题,提出了使用MobileV3和PW、Yolov4-Tiny的结合作为检测模型,使用SE-Resnet50作为重识别模型的DeepSORT的多目标跟踪算法方案。使目标检测模型参数量降低到3.384×10^(6),mAP达到了89.96%,浮点运算数为Yolov4-tiny的32.6%。多目标跟踪准确率达到51.8%,帧率达到8.54帧每秒。结果显示改进后多目标跟踪算法可以满足提高准确率和速度的需求。

摘要： 在实际跟踪环境中,杂波测量空间分布特性往往是未知时变的,杂波密度通常被用来描述杂波测量的空间分布特性,是决定多目标自动跟踪性能的核心环境要素。现有的空间稀疏度的杂波密度估计方法(Spatial Clutter Measurement Density Estimator,SCMDE)在多目标自动跟踪场景下的杂波密度估计偏差急剧增大。针对以上问题,提出了一种基于SCMDE改进的杂波自适应估计方法,通过计算以待估点为中心的超球体内测量来源于杂波的概率估计超球体内真实的杂波个数,消除超球体内目标测量带来杂波密度估计偏差,从而提升复杂环境下多目标自动跟踪的航迹管理性能。

摘要： 本文提出一种改进的红外多类别多目标实时跟踪网络,在确保跟踪精度的同时,重新设计无锚框网络结构,进一步降低网络的参数量与推理时间。通过优化目标特征向量,进一步提高识别精度,同时简化与改进跟踪流程。此外,通过细化分析相关流程执行时间,选用GPU与CPU分别执行最优运算,提升跟踪整体运行速度。上述方法被应用于低空海面红外目标跟踪数据集中。结果表明,在本文所提的综合评价指标下,所设计的网络相较其他轻量级网络评分提高1.78,且运行速度在NVIDIA Jetson Xavier NX中达到52.37 FPS,满足边缘端实时运行需求。

摘要： 针对天空背景下多个同构无人机目标表观信息特征高度相似,数量多,相互遮挡频繁所导致的多目标跟踪问题,提出一种基于Kalman滤波位置预测的改进的多个KCF跟踪算法并行运行的多目标跟踪算法。以多个并行的KCF跟踪算法作为基本的目标跟踪框架,通过计算两两目标之间的欧氏距离对目标相互遮挡情况做出判断,基于Kalman滤波对相互遮挡的目标位置做出预测更新。利用拍摄的多个旋翼无人机目标的不同飞行姿态的红外图像序列进行算法验证,结果表明,该算法可以有效解决目标相互遮挡造成的目标轨迹的错误关联和对部分目标跟踪丢失的问题,整体跟踪效果良好。

摘要： 针对复杂环境下行人目标因检测器漏检和频繁遮挡而导致的数据关联不正确、跟踪实时性差的问题,提出了一种基于免锚检测的多目标跟踪算法。算法采用预测目标中心点热力图的方法实现目标检测定位,改善了因锚点框回归歧义所导致的漏检问题。同时在检测模型中嵌入深度表观特征提取分支,构建联合检测与跟踪的多任务网络用于提升实时性。为解决跟踪阶段行人因遮挡而引起的数据关联错误和轨迹丢失问题,提出加权多特征融合的相似性度量算法,综合多种关键特征评估检测与轨迹的匹配程度,显著提升数据关联正确性;提出基于存活期的跟踪状态更新方法,有效找回丢失轨迹,提升跟踪鲁棒性。在MOT数据集上对跟踪性能进行测试,实验结果表明,算法能够有效应对遮挡,并实现长时间稳定跟踪,兼顾了实时性与准确性。

摘要： 为有效减少传感器信号的不稳定造成的虚警和漏警信号,本文设计了一种基于毫米波雷达的目标数据处理及多目标跟踪算法,并对比未进行跟踪的目标数据组织验证效果,统计虚警、漏警次数,结果表明增加多目标跟踪算法后大大提升了目标识别的准确性和稳定性,有效保证了智能驾驶车辆决策系统的正确性.

摘要： 提出了一种自适应道路交互多模型(IMM)无迹卡尔曼滤波算法,实现车载毫米波雷达在复杂道路交通环境中的多目标跟踪.针对车辆行驶的机动性和时变性,通过马尔可夫转移概率矩阵自适应决策对目标的运动模型进行准确预测与快速切换;考虑雷达测量误差和测量系统的非线性,结合无迹卡尔曼滤波算法以提高模型跟踪性能;最后,给出跟踪模型.结果表明:该方法可以对多个目标进行稳定跟踪,并且对运动状态多变的目标也具有较好的鲁棒性.

摘要： 针对单一利用表观特征进行多目标跟踪时的缺陷,提出表观特征与轨迹动态相结合的方法,构建表观相似模型和轨迹动态估计模型,采用双通道卷积神经网络训练表观模型,得到表观模型的相似度,并结合动态估计的方法对小轨迹之间的运动状态进行估计,得到其运动模型,然后采用全局线性规划关联轨迹片段,重建丢失数据,以区分相似表观特征的多个目标,减小目标错跟率.实验结果证明,该方法即便在表观特征区分性较差时,也可以处理复杂的目标运动,包括目标遮挡.

摘要： 密集杂波常导致真实目标航迹的漏检或丢失,并可能造成大量虚假航迹的出现.本文提出一种引入多普勒观测的多目标跟踪方法以改善杂波环境下的多目标跟踪性能.在联合集成概率数据互联(JIPDA)算法中引入多普勒观测,利用增加的多普勒这一维分辨剔除航迹预选波门中的杂波观测,基于多普勒观测修正航迹质量以改进真实目标与虚假航迹的甄别,同时在跟踪滤波中引入多普勒观测改善状态估计精度.仿真实验表明,与JIPDA算法相比,引入多普勒观测的JIPDA跟踪方法(D-JIPDA)极大地降低了虚假航迹数,并使状态估计精度得到了提高.

摘要： 为了满足数字传输和有限带宽的要求,原始量测在发送到信息处理中心之前需要进行量化.在此基础上,研究了量化量测下的多目标跟踪问题,提出了变分贝叶斯量化概率假设密度(VBQPHD)滤波.该方法可联合估计量化量测噪声方差和目标状态,并采用一个方差上界确定量化噪声方差估计的有效性.实验结果表明,对于量化量测下的多目标跟踪问题,本文所提方法的跟踪性能要优于传统的滤波方法.

摘要： 针对概率假设密度(Probability hypothesis density,PHD)商斯混合实现算法中的转弯机动问题,提出了基于联合估计的JEUK-GMPHD算法,用以改进概率假设密度高斯混合实现算法的适用环境.算法将转弯机动项作为目标状态加入目标状态集中,采用联合估计的方法,同时估计出目标的真实状态和机动项参数,利用UKF对高斯分量进行预测及更新,可以用来处理目标数未知时的转弯机动跟踪问题,该算法与具有N个模型的多模型GMPHD滤波器相比,其计算复杂度只有多模型GMPHD的1/N.仿真结果表明,相比于EK-GMPHD算法,JEUK-GMPHD能实现对多转弯机动目标的有效跟踪,更准确地估计出多目标的数目和状态.

摘要： 针对天波超视距雷达在进行多目标跟踪时所面临的多路径、低检测概率问题,本文基于指数混合密度(EMDs)融合方法,结合概率假设密度(PHD)滤波器免数据关联的特点,采用混合高斯执行方式,提出了一种指数混合密度概率假设密度滤波器(EMDs-PHDF).该方法将多路径效应等效为多传感器,为每条路径建立子PHD进行独立的预测和更新,采用权值修正策略解决由于量测丢失导致的目标漏跟问题,使用EMDs融合方法将多路径PHD进行有效融合,避免了多路径量测直接更新导致的目标数过估.仿真结果显示,在0THR多路标跟踪的复杂环境下,本文提出的算法能够实现对目标状态和目标数的准确估计.

摘要： 给出雷达系统中基于概率假设密度滤波的多目标跟踪方法及工程应用成果.首先,介绍PHD滤波的理论发展背景;其次,回顾PHD滤波基本概念和算法框架;随后指出PHD滤波在工程应用中的不足;并给出雷达系统中基于PHD滤波的多目标跟踪技术方案;最后,介绍雷达系统中基于PHD滤波的多目标跟踪工程应用结果.结果表明PHD滤波可以有效解决低探测概率条件下目标起始、编批等难题.

摘要： 针对雷达跟踪系统中的多目标运动情况,以及目标轨迹交叉重叠导致的目标丢失或跟踪错误等问题,将多目标联合状态下的加权重采样思想引入到标准粒子滤波算法中.对基本粒子滤波算法进行优化,使用离散随机变量模拟目标后验概率,存在多个目标时引入联合状态概念,用关联函数把多个目标的状态变量和观测变量表示出来,把联合状态下的采样数据加入跟踪粒子的权值更新过程,使得粒子能够根据目标间的状态变化准确预测各个目标的后验分布,从而更新目标运动估计值,避免下一时刻粒子采样分布错误.联合加权重采样优化后的粒子能够准确跟踪目标运动,粒子预测和更新也不受目标交叉运动影响,克服跟踪不稳定或跟踪误差较大的问题.仿真结果表明,改进的粒子滤波算法能够达到正确跟踪多个目标的效果,并且目标轨迹交叉时仍然能够保持较高的跟踪精确度.

摘要： 针对雷达跟踪系统中的多目标运动情况,以及目标轨迹交叉重叠导致的目标丢失或跟踪错误等问题,将多目标联合状态下的加权重采样思想引入到标准粒子滤波算法中.对基本粒子滤波算法进行优化,使用离散随机变量模拟目标后验概率,存在多个目标时引入联合状态概念,用关联函数把多个目标的状态变量和观测变量表示出来,把联合状态下的采样数据加入跟踪粒子的权值更新过程,使得粒子能够根据目标间的状态变化准确预测各个目标的后验分布,从而更新目标运动估计值,避免下一时刻粒子采样分布错误.联合加权重采样优化后的粒子能够准确跟踪目标运动,粒子预测和更新也不受目标交叉运动影响,克服跟踪不稳定或跟踪误差较大的问题.仿真结果表明,改进的粒子滤波算法能够达到正确跟踪多个目标的效果,并且目标轨迹交叉时仍然能够保持较高的跟踪精确度.

摘要： 公开了一种目标跟踪方法、目标跟踪装置、目标跟踪设备。所述目标跟踪方法包括：对视频图像当前帧进行目标检测，得到人头检测框集合和人体检测框集合；将人头检测框集合与人体检测框集合进行关联，得到当前帧中目标检测框集合；根据视频图像中每一条每条现有轨迹的轨迹速度，确定当前帧中预测框集合；以及对于所述目标检测框集合中的每个目标检测框，在所述预测框集合中确定与其匹配的预测框，并且基于目标检测框和预测框的匹配结果进行目标跟踪。通过利用人体框进行跟踪，可有效提高视频图像中的目标跟踪准确率，实现实时且高精度的目标跟踪。

摘要： 一种多目标跟踪方法、装置以及非易失性存储介质，所述方法包括：获取视频流中的多个图像帧；对于所述多个图像帧中的多个目标中的每个，分别作为单个目标进行单个目标检测，以得到单个目标的目标跟踪轨迹；将多个目标对应的单个目标的目标跟踪轨迹进行图像融合，以得到多个目标的目标跟踪轨迹。本发明提出使用单目标跟踪来解决多目标跟踪的问题。通过对高置信度的检测进行单目标的跟踪，可以有效果弥补目标检测过程中的假负例,提高多目标跟踪的效果。

摘要： 本发明公开了一种融合单目标跟踪结果的在线多目标跟踪方法，该算法包括：利用单目标跟踪算法CSRT预测目标当前的位置；利用ReID网络模型对预测框和检测框区域分别提取特征向量，计算特征向量的相似度；结合目标、预测框，以及检测框构建一个有权重的无向图；利用马尔可夫聚类算法对无向图进行聚类操作，得到集群；最后根据集群中的预测框和检测框更新目标的当前位置。本发明的在线多目标跟踪算法，不仅提高了多目标跟踪的精度，且有效地改善了因目标遮挡、目标尺寸小等造成检测框漏检的情况。

摘要： 本发明实施例公开了一种多目标跟踪模型的训练方法以及多目标跟踪方法。其中，该多目标跟踪方法包括：根据当前视频帧中的待跟踪目标构建目标图；目标图的顶点对应于待跟踪目标，且两个顶点之间的边的边特征包括两个顶点之间的属性关系；对目标图和已有的轨迹图进行图匹配，以计算待跟踪目标与轨迹图中已跟踪轨迹之间的匹配得分；轨迹图的顶点对应于已有的已跟踪轨迹，且两个顶点之间的边的边特征包括两个顶点之间的属性关系；按照匹配得分确定待跟踪目标的匹配轨迹。在图匹配时全面参考目标图和轨迹图中的边特征，防止某一目标被遮挡时出现跟踪失败的问题，避免视频多目标跟踪的局限性，提高视频多目标跟踪的鲁棒性。

摘要： 一种多目标跟踪方法、装置以及非易失性存储介质，所述方法包括：获取视频流中的多个图像帧；对于所述多个图像帧中的多个目标中的每个，分别作为单个目标进行单个目标检测，以得到单个目标的目标跟踪轨迹；将多个目标对应的单个目标的目标跟踪轨迹进行图像融合，以得到多个目标的目标跟踪轨迹。本发明提出使用单目标跟踪来解决多目标跟踪的问题。通过对高置信度的检测进行单目标的跟踪，可以有效果弥补目标检测过程中的假负例,提高多目标跟踪的效果。

摘要： 本发明公开了一种融合单目标跟踪结果的在线多目标跟踪算法，该算法包括：利用单目标跟踪算法CSRT预测目标当前的位置；利用ReID网络模型对预测框和检测框区域分别提取特征向量，计算特征向量的相似度；结合目标、预测框，以及检测框构建一个有权重的无向图；利用马尔可夫聚类算法对无向图进行聚类操作，得到集群；最后根据集群中的预测框和检测框更新目标的当前位置。本发明的在线多目标跟踪算法，不仅提高了多目标跟踪的精度，且有效地改善了因目标遮挡、目标尺寸小等造成检测框漏检的情况。

摘要： 本发明的一种具有自跟踪意识的多目标跟踪方法、设备及存储介质，对于任意给出的一帧行人图像，组成运动图像对送入训练好的深度神经网络跟踪模型，直接输出行人目标在当前帧图像中的新位置，以此循环执行，实现多行人目标的连续跟踪；深度神经网络跟踪模型包含三个模块：特征提取模块backbone module、检测跟踪模块detect‑track module，更新模块update module，其中，更新模块update module不参与训练，只在测试时起作用；本发明在基于深度学习的目标检测框架中，融入目标匹配策略，在几乎不增加任何计算代价下，能够实现端到端的目标检测跟踪；借助一个具有自跟踪意识的深度神经网络模型，直接端对端的完成多目标跟踪过程，通用性强，实时性高，误差来源更少，可长时间跟踪，跟踪效果鲁棒性强。

摘要： 本发明公开了一种未知噪声下的变分贝叶斯强跟踪PHD多目标跟踪方法，引入强跟踪原理，通过衰减因子来进一步修正状态估计协方差矩阵来增强卡尔曼滤波中新息或者说观测的作用，修正过程噪声的不精确对状态协方差的影响；利用逆威沙尔特分布和高斯乘积联合分布近似联合后验分布，采用VB近似技术推导鲁棒PHD滤波迭代，通过最小化KL散度来逼近后验概率密度；进而可有效地提高跟踪精度和计算时间效率。

摘要： 本发明提供了一种基于跟踪链的多目标跟踪方法及系统；其中，所述方法包括：按照预设间隔对监控图像中的第一目标对象进行识别，根据识别结果生成第一跟踪链；当所述第一目标对象识别失败时，修改所述第一跟踪链的状态；对新识别到的第二目标对象生成第二跟踪链；计算所述第一跟踪链和所述第二跟踪链的相似度，根据所述相似度将所述第一跟踪链和所述第二跟踪链进行串接；本发明的方法能够简单、高效地实现对多目标对象的同步跟踪，而且不会因为遮挡而造成跟踪失败，具有更高的可靠性。

摘要： 本发明公开了一种行人多目标跟踪识别方法和跟踪识别装置，解决现有技术存在的精确度低和稳定性差的问题。所述方法包括采用训练数据集训练网络并获取行人多目标跟踪识别模型的过程：获取包含行人多目标的训练数据集；将所述训练数据集输入基于FairMOT架构、由GAConv和CLFPN构建的Encoder‑Decoder网络，获得多尺度融合特征图；将所述多尺度融合特征图输入目标检测网络和重识别网络，获得目标和检测结果；将所述目标和检测结果输入跟踪网络进行跟踪，获得训练后的行人多目标跟踪识别模型；在采用所述训练数据集训练网络时，采用自适应loss衰减的学习率更改策略和AdamW相结合的方法执行网络参数优化。