基于概率假设密度的多目标视频跟踪算法  

Probability hypothesis density filter based multi-target visual tracking

作　　者：吴静静[1] 胡士强[1] 

机构地区：[1]上海交通大学航空航天学院,上海200240

出　　处：《控制与决策》2010年第12期1861-1865,共5页Control and Decision

基　　金：国家自然科学基金项目(60674107);航空科学基金项目(2009ZC57003)

摘　　要：研究目标数变化的多目标视频跟踪问题.首先阐述了概率假设密度(PHD)滤波的基本原理;然后给出序列图像多目标跟踪系统的运动目标检测算法、状态方程、观测方程以及基于高斯混合概率假设密度(GM-PHD)的多目标视频跟踪算法的具体实现.该算法有效解决了新目标出现、目标合并、目标分裂及目标消失等多目标跟踪问题.实验结果表明,该算法在复杂场景下具有较强的鲁棒性,能有效实现目标数变化的多目标视频跟踪.The issue of tracking a variable number of multiple targets is discussed in this paper.The theory in relation to probability hypothesis density（PHD） filter is given firstly.Then the motion detection,dynamic equation,measurement equation and visual multi-target tracking algorithm based on Gaussian mixture probability hypothesis density（GM-PHD） are presented in details.The proposed method can track objects correctly when they appear,merge,split and disappear in the field of view of a camera.Experimental results show that GM-PHD based multi-target visual tracking is robust in clutter and can effectively track a varying number of targets.

关 键 词：概率假设密度 随机集 最优滤波 背景减除 运动目标检测 多目标跟踪 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]