python多目标跟踪卡尔曼滤波_基于卡尔曼滤波的多目标跟踪方法

２０１８

到稿日期

：

２０１７-１２-３０

返修日期

：

２０１８-０３-０８

本文受中央高校基本科研业务费项目

(２０１７-

zy

-０８４)

资助

。

赵广辉

(１９７３

－

)

，

男

，

博士

，

副教授

，

主要研究方向为智能计算

、

机器学习

，

E

-

mail

：

zhao

＠

w

hut

．

edu

．

cn

(

通信作者

)

；

卓

松

(１９９１

－

)

，

男

，

硕士生

，

主要研究方向为计算机视觉

、

视频目标跟踪

；

徐晓龙

(１９９５

－

)

，

男

，

硕士生

，

主要研究方向为图像处理

、

计算机视觉

。

基

于

卡

尔曼

滤

波

的

多

目

标

跟踪

方

法

赵广辉

卓

松

徐晓龙

(

武汉理工大学计算机科学与技术学院

武汉

４３００７０)

摘

要

针对视频多目标跟踪中由于目标间的遮挡

、

交错或目标漂移而导致跟踪失败的情况

，

提出一种基于卡尔曼滤

波以及空间颜色直方图的遮挡预测跟踪算法

。

利用空间颜色直方图对目标进行建模

，

可以对不同目标进行区分进而

在目标之间出现交错或目标漂移时仍能跟踪到目标

。

通过卡尔曼滤波算法可以预测目标的状态

，

对预测位置之间存

在交错的目标进行遮挡标记

，

以便在下一帧中仍然可以跟踪到被遮挡的目标

。

采用

２

D

MOT

２０１５

数据集进行实验

，

跟踪的平均精度达到了

３４

．

１％

。

实验结果表明

，

所提方法对多目标跟踪的效果有所提高

。

关键词

多目标跟踪

，

卡尔曼滤波

，

空间颜色直方图

，

遮挡预测

中图法分类号

T

P

３９１

．

４１

文献标识码

A

DOI

１０

．

１１８９６／

j

．

issn

．

１００２-１３７

X

．

２０１８

．

０８

．

０４５

Multi

-

object

Tracking

Algorithm

Based

on

Kalman

Filter

ZHAO

Guang

-

hui

ZHUO

Song

XU

Xiao

-

long

(

School

of

Computer

Science

and

T

echnology

，

Wuhan

U

niversity

of

T

echnology

，

Wuhan

４３００７０

，

China

)

Abstract

Aiming

at

the

tracking

failure

caused

by

occlusion

between

objects

，

interleaving

or

target

drift

in

multi

-

object

tracking

，

this

p

aper

proposed

an

occlusion

prediction

tracking

algorithm

based

on

Kalman

filter

and

spatiograms

．

By

combining

the

color

histogram

and

the

distribution

of

color

in

space

，

spatiograms

can

be

used

to

distinguish

different

ob

-

j

ects

，

so

that

the

object

can

still

be

tracked

when

interleaving

or

occlusion

between

objects

occurs

．

The

state

of

the

ob

-

j

ect

can

be

predicted

by

the

Kalman

filtering

algorithm

．

The

occlusion

mark

is

used

for

the

object

which

overlaps

with

other

objects

，

so

that

the

occluded

object

which

is

undetected

can

be

tracked

in

the

next

frame

．

The

２

D

M

OT

２０１５

data

set

was

used

for

experiment

．

The

average

accuracy

of

tracking

achieves

３４

．

１％

．

Experimental

results

show

that

the

al

-

g

orithm

can

improve

the

performance

of

multi

-

object

tracking

．

Keywords

M

ulti

-

object

tracking

，

Kalman

filter

，

Spatial

color

histogram

，

Occlusion

prediction

1

引言

视频中的多目标跟踪是计算机视觉领域的一个重要研究

方向

。

近年来

，

得益于目标检测技术的发展

［１-２］

，

基于目标检

测的多目标跟踪方法成为当前多目标跟踪的主要方法

。

基于

检测的多目标跟踪方法的跟踪过程能够被转化为数据关联问

题

，

即将已经跟踪到的多个目标和检测到的多个目标关联起

来

。

显然

，

基于目标检测的方法对检测结果的依赖程度较高

，

复杂背景和目标间的遮挡会对目标检测造成较大影响

，

进而

给数据关联造成影响

；

同时在多个检测值和多个跟踪值之间

建立准确的对应关系所依赖的目标模型也会较大程度地影响

多目标跟踪的效果

。

根据在跟踪目标和检测目标间建立的关联所依据的检测

集的不同

，

可以将多目标跟踪分为离线跟踪和在线跟踪两类

。

对于离线的多目标跟踪

，

可以同时使用当前的检测信息和后

面的检测信息进行运动轨迹优化来实现跟踪

［３-６］

，

这类多目标

跟踪方法利用后面的检测信息解决目标漏检

、

目标遮挡以及

目标漂移的问题

，

但是这类方法因为考虑了大量检测信息来

进行轨迹优化而增加了计算量

，

在一些实时性要求较高的场

景中不具有应用价值

，

因此需要使用具有更高效率的在线跟

踪方法

。

在线跟踪方法只根据被跟踪目标信息和当前帧检测

的信息来实现数据关联

，

在线跟踪通常使用基于概率的算法

来解决

因

为

目

标

漏

检

和

目

标

漂

移

等

问

题

造

成

的

不

确

定

性

［７-１０］

。

为了保证匹配过程的准确性

，

一些方法对目标的运

动过程或者目标的外观进行建模

［１１-１２］

。

解决多目标跟踪中的数据关联问题的方法有多假设跟踪

方法

［５］

、

关联滤波器方法

［６］

、

马尔可夫链蒙特卡罗方法

［１３］

，

这

些方法的特点是为了应对跟踪中的不确定性而维持多个假

设

，

但是这样做会导致计算量增大

，

且随着跟踪目标个数的增

多

，

效率会显著下降

。

匈牙利算法

［１４］

以及贪婪关联方法

［１５］

是解决多目标跟踪中数据关联问题更为高效的方法

。

Bewley

等

［９］

用匈牙利算法来关联被跟踪目标和检测目标

，

在保证效

率的同时取得了较好的跟踪结果

。

Breitenstein

等

［１５］

采用粒

子滤波作为预测和更新目标状态的方法

，

并使用贪婪关联方

万方数据