learning based multi-object tracking

《learning based multi-object tracking》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目LearningBasedMultipleObjectTracking学科专业InformationandCommunicationEngineering学号201214020102作者姓名SowahLongdonNii指导教师Prof.HongliangLi分类号密级注1UDC学位论文LearningBasedMulti-ObjectTracking（题名和副题名）SowahLongdonNii（作者姓名）指导教师Prof.HongliangLi电子科技大学成都（姓名、职称、单位名称）申请学位级别博士学科专业InformationandCommunicationEngin

2、eering提交论文日期2018.05.20论文答辩日期2018.06.04学位授予单位和日期电子科技大学2018年06月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。LearningBasedMulti-ObjectTrackingADoctoralDissertationSubmittedtoUniversityofElectronicScienceandTechnologyofChinaDiscipline:InformationandCommunicationEngineeringAuthor:SowahLongdonNiiSupervisor:Prof.H

3、ongliangLiSchool:SchoolofInformationandCommunicationEngineering摘要摘要多目标跟踪是计算机视觉中的关键问题之一。它涉及在动态或静态场景中构造多个交互对象的轨迹。该技术与许多实际的应用是相关的。例如,在视觉监视系统中，它被应用于追踪罪犯和恐怖分子。借助许多照相机和传感器设备，它也可以用于半自动驾驶跟踪附近的对象和帮助车辆规避障碍。最近,多目标跟踪已经用于体育活动中协助裁判审查比赛中做出的决定。多目标跟踪可以分为两个关键步骤;对象检测和数据关联。第一步,应用对象检测器定位对象的位置。我们可以获得视频序列每帧的候选对象。下一步

4、包括链接每帧的检测结果以形成最终的轨迹。后一步是所谓的数据关联。多目标跟踪任务存在许多挑战。这些挑战会影响生成的轨迹质量。首先,由于大多数方法都依赖对象检测器的检测精准性，因此检测误差会影响数据关联步骤中的输入。由于低的对比度和遮挡，某些对象未被检测到。杂乱的背景和姿势的变化也可能导致检测失败。另一项挑战是解决对象之间的多义性。这些对象相互靠近，相互影响。这种互相影响导致对象之间身份的交换。为解决这些问题，本文提出了三种解决数据关联任务的学习算法。首先,我们探索一个集聚聚类框架，使用二值整数规划执行数据关联。利用图度关联算法，提出了一种强连通成分聚类算法。生成有向图，并在没有聚类数

5、目的先验条件下得到聚类簇。由于生成的聚类簇的强相似性，同一身份的对象被聚在一起。我们使用一个线性规划框架生成最终的轨迹。在我们的第二个工作,我们提出了一种新的多目标跟踪框架，采用了组合监督和监督学习的方法。在这种方法中，我们利用了多对多的分类技术，将一个视频序列中的所有帧以全局方式融合。与以前使用"一对一"和"一对多"分类(不将所有对象视为具有相等概率)的方法不同，我们提出一种将所有对象视为具有相等概率的类别的方法。我们进一步提出这些类可以按照一个时空约束进行聚类。我们提出最终聚类的结果可以用来生成最终的对象轨迹。最后，虽然许多批数据关联方法生成初始跟踪元并使用优化框架进行扩展，但

6、生成跟踪元的数量和精度差异相当大。结果是不同视频序列片段中的跟踪元有不同程度的精度。我们提出了一个跟踪元评价方案，对跟踪元从好到坏进行排序。我们用良好的跟踪元修复坏的跟踪元，以提高整个序列的跟踪元的精度。在本文中，我们展示了如何将分类和聚类应用于改进当前最好的多目标跟踪算法的性能。关键词：多目标跟踪，学习，分类，聚类，跟踪元，检测，数据关联IABSTRACTABSTRACTMulti-objecttrackingisoneofthekeyproblemsincomputervision.Itinvolvesconstructingtrajectoriesofseveralinter

7、actingobjectsinadynamicorstaticscene.Itisrelevantinseveralapplications.Forexample,itisappliedinvisualsurveillancesystemstotracecriminalsandterroristactivities.Itisalsoappliedinsemi-autonomousdrivingtotrackneighboringobjectsandhelpvehicl