0 引言

    多目標(biāo)跟蹤按照攝像頭數(shù)量，可分為兩大類：單目跟蹤方法與多目跟蹤方法。

    (1)單目跟蹤方法

    傳統(tǒng)方法^[1-2]多是在目標(biāo)區(qū)域建立簡單目標(biāo)特征，但復(fù)雜背景大大提高了目標(biāo)特征的提取難度，且遮擋魯棒性低。對此，Chu Chunte^[3]提出多核的目標(biāo)跟蹤算法，解決了局部遮擋下的目標(biāo)跟蹤；段沛沛^[4]等人則是通過稀疏算法，壓縮樣本數(shù)據(jù)提高運(yùn)算速度。

    神經(jīng)網(wǎng)絡(luò)算法在目標(biāo)跟蹤中同樣有較為廣泛的應(yīng)用^[5-7]，但樣本與真實(shí)目標(biāo)間的差異往往導(dǎo)致跟蹤效果不佳，因此HYEONSEOB N^[8]開始在線調(diào)整訓(xùn)練樣本。對于目標(biāo)的運(yùn)動(dòng)估計(jì)，通常使用粒子濾波算法，但重采樣過程運(yùn)算時(shí)間較長。對此，Li Peihua^[9]就圖像顏色信息重新構(gòu)建了粒子濾波跟蹤算法，POJALA C^[10]將自適應(yīng)加權(quán)算法引入重采樣過程。

    (2)多目跟蹤方法

    在多攝像機(jī)情況下，融合不同攝像機(jī)下的光學(xué)遮擋結(jié)構(gòu)，可以有效解決遮擋問題^[11-12]，但無法有效剔除局部的虛假目標(biāo)。對此，OTSUKA K^[11]引入了遞歸貝葉斯估計(jì)，而MITTAL A^[12]通過卡爾曼濾波器來約束目標(biāo)。UTASI A^[13]與BENEDEK C^[14]則側(cè)重于多視角下的目標(biāo)特征提取。前者旨在提取目標(biāo)像素級(jí)特征，而后者旨在構(gòu)建三維對象模型。FLEURET F^[15]等人首次提出一種概率占用圖(POM)模型，計(jì)算目標(biāo)在場景平面網(wǎng)格圖上的占用概率，但算法運(yùn)行時(shí)間較長。LIN Y S等人提出一種根據(jù)消失點(diǎn)的快速人員定位方法^[16]。JEROME B等人利用前后幀目標(biāo)關(guān)系，通過k-shortest路徑算法快速優(yōu)化軌跡^[17]。

    多目跟蹤方法盡管有著測量精度高、目標(biāo)信息豐富等優(yōu)點(diǎn)，但高緯度的信息往往會(huì)占據(jù)較大的運(yùn)行時(shí)間，不利于算法實(shí)時(shí)性。本文將提出一種基于單目攝像機(jī)的背景建模方法，并根據(jù)消失點(diǎn)變化情況估補(bǔ)償目標(biāo)運(yùn)動(dòng)模型。所提出的算法將具有以下特點(diǎn)：(1)準(zhǔn)確表現(xiàn)場景三維信息；(2)檢測場景變化情況并反饋給目標(biāo)模型。

本文詳細(xì)內(nèi)容請下載：http://www.shi-ke.cn/resource/share/2000002963

作者信息：

何  嘉1，奚崢皓1，2，闞  秀1

(1.上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院，上海201620；

2.清華大學(xué) 計(jì)算機(jī)系 智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京100091)