计算机科学与探索

作者：蒋凌云, 杨金龙

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：标签多伯努利滤波,检测跟踪,特征提取,目标重识别

在检测器与跟踪器结合的视频多目标跟踪算法中，检测器好坏将直接影响整个跟踪算法性能，尤其是检测器的漏检以及误检，会导致目标的漏跟以及误跟，增加碎片化轨迹以及身份标签变换次数增加的问题。针对这些问题，在标签多伯努利的滤波框架下，设计了新的量测驱动新生目标识别方法以更快速精准地捕获新生目标。设计了目标重识别方法，结合标签多伯努利算法能够在短时间内维持标签的不变性，减少了碎片化轨迹及标签跳变数。引入新的模板选取策略，以避免将被遮挡的目标加入到模板中污染模板。考虑到标签多伯努利滤波为在线推理算法，采用了并行化加快算法的运算效率。结果表明，在标签多伯努利的框架下，提出算法能够有效解决标签跳变以及目标被遮挡无法准确跟踪的问题，在具有挑战性的MOT17数据集上进行测试，与其他相关滤波方法进行比较，具有不错的跟踪效果。

来源：2023年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第6期