多目标跟踪的序贯分层抽样信任传播算法ViewTableofContentshttp.PDFVIP

多多目目标标跟跟踪踪的的序序贯贯分分层层抽抽样样信信任任传传播播算算法法 薛建儒, 郑南宁 and 钟小品 Citation: 中国科学F : 信息科学 35, 1049 (2005); doi: 10.1360/zf2005-35-10-1049 View online: ttp://engine.scic /doi/10.1360/zf2005-35-10-1049 View Table of Contents: ttp://engine.scic /publis er/scp/journal/Sci Sin Info F/35/10 Publis ed by t e 《中国科学》杂志社 Articles you may be interested in An adaptive association algorit m for multitarget tracking based on clustering analysis SCIENTIA SINICA Informationis 45, 953 (2015); 变量施肥决策的多目标优化模型与算法 SCIENTIA SINICA Informationis 40, 244 (2010); 基于自适应抽样的超点检测算法 Science in C ina Series F-Information Sciences (in C inese) 38, 1679 (2008); Joint detection, tracking and classi cation algorit m of multiple maneuvering targets using MMPHDF SCIENTIA SINICA Informationis 42, 893 (2012); 蝇视觉系统对目标的检测、识别与跟踪 Science in C ina Series C-Life Sciences (in C inese) 26, 141 (1996); 中国科学 E 辑 信息科学 2005, 35(10): 1049~1063 1049 * 薛建儒 郑南宁 钟小品 (西安交通大学人工智能与机器人研究所, 西安 710049) 摘要 多目标视觉跟踪除了具有单目标跟踪中观测模型与目标状态后验概率 分布的非线性、非Gauss 的困难外, 目标数目可变、数量众多以及目标之间的相 互作用(如遮挡、交错)使得跟踪问题更为困难. 基于三个耦合的Markov 随机场 (MRFs)导出了描述多目标跟踪问题的动态Markov 网络(DMN), 然后提出序贯分 层抽样信任传播算法在DMN 中求解多目标状态. 首先用三个耦合MRFs 表示每 一时刻目标的配置情况, 即表示目标联合状态的连续随机场、表示目标存在与否 的二值随机过程和表示相邻两个目标之间是否存在遮挡的二值随机过程; 其次, 引入两个鲁棒函数来消除其中的两个二值随机过程, 从而得到与耦合MRFs 等价 的 Markov 网络; 最后提出序贯分层抽样信任传播算法求解该图模型, 从而得到 目标联合状态的最大后验概率估计. 提出的序贯分层抽样信任传播算法集成了 自底向上通过学习得到的目标检测器信息和来自目标节点的信任信息, 从而能 获得较好的跟踪结果. 进一步, 其他底层视觉线索也可以很容易嵌入本文的多目 标跟踪框架中. 实验结果表明, 在多种测试序列情况下, 与其他多目标跟踪算法 相比, 本文的方法均可以获得较好的跟踪效果. 关键词 多目标跟踪 序贯分层抽样 信任传播算法 动态 Markov 网络 多目标的视觉