JPDAF算法视频图像多目标跟踪技术研究(3)
图2.1 多目标跟踪的基本原理
多目标跟踪的过程是一个递推的过程，而且在开始扫描的期间每个运动目标的运动轨迹已经完全被初始化，也就是说这个过程中的每个目标的运动轨迹已经完全形成。来自传感器的量测首先被用于更新已建立的目标运动轨迹。有效量测是指落入目标的跟踪门内的量测。首先，利用跟踪门粗略的确定量测、航迹配对是否合理；然后再利用数据关联算法进行进一步的判断，找出最合适的量测、航迹对；最后利用跟踪文持（机动识别和自适应滤波与预测）方法估计各目标运动轨迹的真实状态。在跟踪空间中，数据关联的输入是有效量测，而那些与已经建立了的目标运动轨迹不相关的量测可能来自虚警或者潜在的新目标，这时便用跟踪起始的方法去鉴别其真伪，如果量测会来自新的目标，则为其建立新的目标运动轨迹并且进行初始化。当确定目标不在传感器感知的范围内时，用跟踪终结的方法删除航迹。最后，在新的量测到达之前，由接收正确量测的概率和目标预测状态来确定下一时刻跟踪门的中心位置以及大小，为下一时刻的递推循环做好一切的准备。
2.1.2 跟踪起始和终结
多目标跟踪理论里的两个重要的组成部分为跟踪起始和终结。跟踪起始是目标跟踪的第一项任务，是一种建立新目标跟踪档案的决策方法，它主要包括假定轨迹形成，轨迹初始化和轨迹确定这样的三个部分。通常不与已知目标航迹相关的量测集合被用来形成新的假定航迹，并且我们可以对航迹初始化的处理。过去传统的跟踪起始方法有序列概率比检验（SPRT）、N 文分配方法、 Bayes 轨迹确定方法（BTC）、极大似然方法及模式匹配技术。而极大似然方法和模式匹配方法它们能够同时处理航迹初始化和航迹确定，可以适用于密集量测的环境。
跟踪终结是删除消失目标跟踪档案的一种决策方法。在对目标进行跟踪的过程中，被跟踪的目标随时都可能从测量域中消失，我们为了减少不必要的存储和计算，跟踪系统就必须做出相应的决策消用来多余的航迹档案，也就是跟踪终结。在实际的生活和应用中，存在由于物体的遮挡等因素从而产生的传感器短时间检测不到移动中的目标，从而导致目标在一个较短的时间消失的情况，因此在删除目标航迹档案之前需要将它保持一段时间，直到确定目标真正消失之后才能够删除档案，用来提高系统跟踪性能。典型的跟踪终结方法有分为两大类，它们分别是N次连续扫描丢失目标确定跟踪终结的方法以及概率决策分析方法。其中概率决策分析方法主要有跟踪门法、序列概率比检测法、Bayes跟踪终结方法（BTT）、代价函数法以和全邻Bayes算法。
2.1.3 跟踪门技术
跟踪门就是确定目标的量测可能会出现的一个空间中的范围。跟踪门以被跟踪目标的预测状态为中心，由接收正确回波的概率确定其大小。在确定跟踪门大小的时候我们应该尽最大的可能性用来保证真实量测以近可能高（尽可能接近1）的概率落入波门中，与此同时我们能够减少波门内的无关量测。当量测落入某目标的跟踪门内时被考虑用于更新该目标的航迹。如果量测没有落入任何已建立目标轨迹的跟踪门内时，那么我们就可以认为该量测来自虚警或新的目标。
2.1.4 滤波和预测
滤波和预测是多目标跟踪系统中的两个基本要素，是估计当前时刻与未来的下一时刻目标的运动信息例如速度、加速度、位置的不可或缺的重要手段。当我们要对线性运动的弱机动或非机动的目标进行跟踪的时候，我们常常使用卡尔曼滤波、 滤波和 滤波进行滤波和预测，然而对非线性运动的弱机动或非机动目标进行跟踪的时候，我们则通常使用扩展卡尔曼滤波器（EKF）[23,24]或不敏卡尔曼滤波器（UKF）[25]；当我们对强机动目标进行跟踪的时候，我们一般使用交互式多模型算法和 Jerk 模型算法[26]等。
上一篇：直方图均衡化彩色图像增强算法研究