多目标跟踪用补偿-自适应卡尔曼滤波器设计

现有卡尔曼滤波(Kalman Filter,KF)多目标跟踪(Multi Object Tracking,MOT)方法难以应对相机运动、检测失真和非线性运动等问题。针对这些问题,引入自适应参量,包括运动相似度代价和检测置信度,用于动态调节KF的过程和观测协方差。此外,使用稀疏光流和随机采样一致性算法,估计前后帧的仿射变换矩阵,据此校正KF的预测值。综合以上两点,提出补偿-自适应卡尔曼滤波(Compensation-Adaptive Kalman Filter,C-AKF)。将其与BYTE框架结合,以实现在线的MOT。在MOT17数据集上的实验结果显示,所提方法能够实现68.9的高阶跟踪准确度和81.1的身份F-1分数,且关联速度满足实时要求。