双向时空连续性轨迹片段关联的目标跟踪方法

提出一种使用双向时空连续性关联轨迹片段的目标跟踪方法。首先对检测结果进行简单的帧间匹配关联,生成可靠的轨迹片段;然后对每个轨迹片段通过卡尔曼滤波以及有权重的均值法分别计算修正轨迹片段的速度、位置与颜色特征;最后通过计算轨迹片段之间的双向时空连续性迭代关联,找到最符合时空连续性的轨迹片段关联。实验证明本文方法可以有效解决目标间以及目标被背景遮挡问题,实现对目标的稳定跟踪。

一种利用时空约束轨迹片段关联的目标跟踪方法

由于检测不准确,目标部分或整体遮挡会造成检测失败。针对以上问题,提出一种利用时空约束的轨迹片段关联方法实现对目标的跟踪。通过减背景方法检测到移动目标,生成轨迹片断,通过计算轨迹片段的时空连续性关联轨迹片段,找到最符合时空连续性的轨迹片段关联。通过实验证明,该方法可以有效解决遮挡、误检测以及目标合并分离问题。

基于卡尔曼预测的轨迹片段关联目标跟踪算法

利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。

使用轨迹片段分析的监控场景模型建立方法

提出一种对轨迹片段进行分析建立场景模型的方法。首先通过基于双向时空连续性的轨迹片段关联方法,找到属于同一目标的多个轨迹片段;再对目标轨迹形成轨迹片段的原因进行计算分析,得到包括入口、出口、主要路径以及场景内遮挡物信息的场景模型。通过实验证明了该方法可以有效地建立场景模型,并且场景模型可以提高跟踪效果和检测场景中目标的异常轨迹。