轨迹树层次关系模型多摄像机多目标跟踪研究

doi:10.3778/j.issn.1673-9418.1904011

计算机科学与探索 ›› 2020, Vol. 14 ›› Issue (6): 1036-1044.DOI: 10.3778/j.issn.1673-9418.1904011

轨迹树层次关系模型多摄像机多目标跟踪研究

刘冠群，李婷

1. 湖南广播电视大学网络资源系，长沙 410004
2. 中南大学信息科学与工程学院，长沙 410083

出版日期:2020-06-01 发布日期:2020-06-04

Research on Multi-camera Multi-target Tracking Method Based on Hierarchical Relational Model of Trajectory Tree

LIU Guanqun, LI Ting

1. Department of Network Resources, Hunan Radio & TV University, Changsha 410004, China
2. College of Information Science and Engineering, Central South University, Changsha 410083, China

Online:2020-06-01 Published:2020-06-04

摘要/Abstract

摘要：

为提高摄像机目标跟踪精度，提出基于多假设跟踪（MHT）框架的采用轨迹树层次关系模型多摄像机多目标跟踪方法。首先，通过多个摄像机产生的轨迹之间的时空关联，找出未知数目的多个轨迹，并通过求解各帧的最大加权问题（MWCP），在线实现对目标三维轨迹的估计。其次，为解决多帧图像处理的NP难问题，提出了一种新的在线方案，该方案利用前一帧结果的反馈信息，建立多帧图像处理方案，从而在每一帧上找到最佳的轨迹。该方案能使多个子问题构成多目标多目标控制问题，大大减少了计算量。实验表明，该算法与目前最先进的批处理算法相比，具有较好的性能。

关键词: 轨迹树, 层次关系, 多摄像机, 多目标, 跟踪, 多帧图像

Abstract:

To improve the accuracy of camera target tracking, a multi-camera multi-target tracking method based on multi-hypothesis tracking (MHT) framework using hierarchical relation model of trajectory tree is proposed. First of all, the unknown number of trajectories can be found by spatiotemporal correlation between trajectories generated by multiple cameras, and the three-dimensional trajectory of the target can be estimated online by solving the maximum weight clique problem (MWCP) of each frame. Then, in order to solve the NP problem of multi-frame image processing, a new online scheme is proposed, which uses the feedback information of the results of the previous frame to establish a multi-frame image processing scheme, so as to find the best trajectory in each frame. This scheme can make multiple sub-problems constitute multi-objective and multi-objective control problems, and greatly reduces the amount of calculation. Experiments show that the algorithm has better performance than the most advanced batch processing algorithm.

Key words: trajectory tree, hierarchical relationship, multi-camera, multi-target, tracking, multi-frame image

刘冠群，李婷. 轨迹树层次关系模型多摄像机多目标跟踪研究[J]. 计算机科学与探索, 2020, 14(6): 1036-1044.

LIU Guanqun, LI Ting. Research on Multi-camera Multi-target Tracking Method Based on Hierarchical Relational Model of Trajectory Tree[J]. Journal of Frontiers of Computer Science and Technology, 2020, 14(6): 1036-1044.

[1]	缪佳妮，杨金龙，程小雪，葛洪伟. 运动信息优化相关滤波的多目标跟踪算法[J]. 计算机科学与探索, 2021, 15(7): 1310-1321.
[2]	张晶，黄浩淼. 结合重检测机制的多卷积层特征响应跟踪算法[J]. 计算机科学与探索, 2021, 15(3): 533-544.
[3]	邵必林，贺金能，边根庆. 基于多目标分解策略的副本布局算法研究[J]. 计算机科学与探索, 2020, 14(9): 1490-1500.
[4]	冉金鹏，赵尚弘，王翔. 航空信息网络集中控制器部署优化策略研究[J]. 计算机科学与探索, 2020, 14(6): 966-974.
[5]	李东洁，李东阁，杨柳. 卷积神经网络在动态手势跟踪中的应用[J]. 计算机科学与探索, 2020, 14(5): 841-847.
[6]	陈晨，高艳丽，邓赵红，王士同. TSK模糊逻辑系统相关滤波器跟踪算法[J]. 计算机科学与探索, 2020, 14(2): 294-306.
[7]	杨金龙，程小雪，缪佳妮，张光南. 检测优化的多伯努利视频多目标跟踪算法[J]. 计算机科学与探索, 2020, 14(10): 1762-1775.
[8]	王金杰，李炜. 混合互信息和粒子群算法的多目标特征选择方法[J]. 计算机科学与探索, 2020, 14(1): 83-95.
[9]	黄辉先，胡拚，丁灿，张广炎，刘嘉婷. 进化信息引导的烟花差分混合多目标算法[J]. 计算机科学与探索, 2019, 13(3): 481-493.
[10]	巢秀琴，李炜. 人工蜂群算法优化的特征选择方法[J]. 计算机科学与探索, 2019, 13(2): 300-309.
[11]	杨金龙，汤玉，张光南. 卷积特征多伯努利视频多目标跟踪算法[J]. 计算机科学与探索, 2019, 13(11): 1945-1957.
[12]	刘芳，黄光伟，路丽霞，王洪娟，王鑫. 自适应模板更新的鲁棒目标跟踪算法[J]. 计算机科学与探索, 2019, 13(1): 83-96.
[13]	陈翔，沈宇翔，孟少卿，崔展齐，鞠小林，王赞. 基于多目标优化的软件缺陷预测特征选择方法[J]. 计算机科学与探索, 2018, 12(9): 1420-1433.
[14]	郭晓彤，李玲燕，朱春阳. Pareto支配关系下两阶段进化高维多目标优化算法[J]. 计算机科学与探索, 2018, 12(8): 1350-1360.
[15]	张晶，王旭，范洪博. 时空上下文相似性的TLD目标跟踪算法[J]. 计算机科学与探索, 2018, 12(7): 1169-1181.

轨迹树层次关系模型多摄像机多目标跟踪研究

Research on Multi-camera Multi-target Tracking Method Based on Hierarchical Relational Model of Trajectory Tree

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics