长短时算法:一种视频多目标关联算法

TP391.41; 视频多目标跟踪面临的主要挑战是严重遮挡带来的身份切换问题.解决身份切换的技术为视频目标关联,即识别不同帧中的同一目标并分配身份编号.针对身份切换提出长短时视频目标关联算法,该算法在短时即相邻帧之间使用运动特征进行目标匹配,在长时即不相邻帧之间增加外观特征进行目标匹配,实现对于遮挡后被检出目标的再匹配.此外对卡尔曼滤波进行改进,增加框宽参数,使得预测框更准确;还使用平均外观特征并增加检测置信度作为更新参数,使得外观特征鲁棒性更强,在复杂环境下仍能表现良好.长短时算法在数据集MOT17 上多目标跟踪精度得分 81.3,身份F1 值得分 81.3,实现了严重遮挡场景下的稳定跟踪....

Full description

Saved in:
Bibliographic Details
Published in指挥控制与仿真 Vol. 46; no. 3; pp. 116 - 122
Main Authors 王锐, 丁春山
Format Journal Article
LanguageChinese
Published 江苏自动化研究所,江苏 连云港 222061 2024
Subjects
multi-object tracking
tracking-by-detection
视频多目标跟踪
average appearance feature
先检测后跟踪
平均外观特征
视频目标关联
video object association
Online AccessGet full text
ISSN1673-3819
DOI10.3969/j.issn.1673-3819.2024.03.017

Cover

More Information
Summary:TP391.41; 视频多目标跟踪面临的主要挑战是严重遮挡带来的身份切换问题.解决身份切换的技术为视频目标关联,即识别不同帧中的同一目标并分配身份编号.针对身份切换提出长短时视频目标关联算法,该算法在短时即相邻帧之间使用运动特征进行目标匹配,在长时即不相邻帧之间增加外观特征进行目标匹配,实现对于遮挡后被检出目标的再匹配.此外对卡尔曼滤波进行改进,增加框宽参数,使得预测框更准确;还使用平均外观特征并增加检测置信度作为更新参数,使得外观特征鲁棒性更强,在复杂环境下仍能表现良好.长短时算法在数据集MOT17 上多目标跟踪精度得分 81.3,身份F1 值得分 81.3,实现了严重遮挡场景下的稳定跟踪.
ISSN:1673-3819
DOI:10.3969/j.issn.1673-3819.2024.03.017