基于检测—跟踪框架的舰船多目标跟踪方法研究.pdfVIP

基于检测-跟踪框架的舰船多目标跟踪方法研究

摘要

视频序列的多目标跟踪是计算机视觉领域的一项重要课题，在很多领域都有应用，

例如港口调度、海上搜救等，具有重要的研究价值，因此受到广泛关注。

近年来，多目标跟踪研究取得了很大进展。但是，海洋背景下的舰船多目标跟踪

仍然存在着一些问题。例如，在海洋背景下算法的稳健性较低。现有多目标跟踪研究

大多在行人跟踪场景下开展，应用于舰船多目标跟踪时，受海洋背景的复杂性影响，

性能下降。除此之外，现有目标跟踪算法大多重视跟踪效果，对提升跟踪速度的关注

较少，不利于跟踪效果与效率的平衡。针对上述问题，本文进行了如下研究工作：

1.针对跟踪算法稳健性较低的问题，提出了一种基于条件变分自编码器（CVAE）

运动模型的多目标跟踪方法（简称CMMTrack算法）。在该方法中，首先构建了CVAE

运动模型。已有算法在描述目标运动时，大多使用卡尔曼滤波，其运动模型采用简单

的匀速模型等。而CVAE运动模型能够学习目标的实际运动规律，更好地刻画目标的

运动状态。然后，基于CVAE运动模型实现更准确的运动状态预测，有利于后续目标

匹配，减少了标号错换（IDSwitch）问题。在数据关联完成后，还基于CVAE模型构

建了运动状态优化算法，优化检测器输出的目标边界框，提升其精度。在Singapore

MaritimeDataset（SMD）上对算法进行测试，实验表明，相较已有算法，算法在

MOTA等指标上取得了更好的性能，稳健性得到了提高。

2.针对跟踪效率较低的问题，提出了一种基于关键目标匹配的多目标跟踪方法

（简称KOMTrack算法）。在此方法中，将目标分为两种：关键目标与非关键目标，并

对二者采用不同跟踪策略。关键目标指状态变化模式复杂、特征统计特性随时间变化

的目标；非关键目标指状态变化模式简单的目标。首先，通过时域泛化技术，对目标

特征统计特性随时间变化的规律进行学习，以实现两种目标的分类。然后，在跟踪时，

基于图匹配更新关键目标轨迹，基于简单的线性运动模型更新非关键目标轨迹。基于

此，降低图匹配问题的规模，提高了跟踪速度。在SMD数据集上进行测试，实验表明，

本算法能在保持追踪效果变化不大的情况下，提高追踪速度，平衡追踪效果与效率。

关键词：多目标跟踪；海上舰船跟踪；检测-跟踪框架；条件变分自编码器；时域泛化

基于检测-跟踪框架的舰船多目标跟踪方法研究

ABSTRACT

Multi-ObjectTracking(MOT)ofvideosequencesisanimportantresearchinthefieldof

computervision.Ithasapplicationsinmanyfields,suchasportscheduling,maritimesearch

andrescue.Ithasimportantresearchvalueandhasreceivedextensiveattention.

Inrecentyears,MOTresearchhasmadegreatprogress.However,therearestillsome

problemsinMOTforvesselsintheoceanbackground.Forexample,therobustnessofthe

algorithmislowintheoceanbackground.MostoftheexistingMOTresearchiscarriedoutin

pedestriantrackingscenariosWhentheyareappliedtoMOTforvessels,theperformanceis

degradedduetothecomplexityoftheoceanbackground.Inadditio