基于高维SIFT改进隐马尔可夫模型的多目标跟踪

针对多目标跟踪领域中出现的遮挡、目标身份互换等问题,本文提出了一种基于尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)关键点和隐马尔可夫模型的多目标跟踪算法。首先,在视频序列中逐帧提取每个目标的关键点集,并对其进行条件约束;其次,以得到的关键点集作为目标的状态建立隐马尔可夫模型,根据模型在时序段内传递状态的规律求出模型对应的参数;最后,以当前帧的观测状态和参数求出下一帧的隐性状态,实现对目标位置的预测。为了提升模型的推理速度,建立了表征全部目标的高维观测状态模型。与其他先进的算法在MOT17、MOT20、KITTI数据集上进行了仿真实验对比,结果表明本算法在跟踪准确度等指标上表现较优,并对遮挡和身份互换问题有较好的鲁棒性。