基于融合數(shù)據(jù)關(guān)聯(lián)的無人機多目標跟蹤算法?

周嘉麒 王指輝 廖萬斌

（南京航空航天大學(xué) 南京 211106）

1 引言

隨著無人機在軍用及民用領(lǐng)域的廣泛應(yīng)用，以無人機為平臺的圖像獲取和處理技術(shù)在軍事、交通、物流和攝影等諸多領(lǐng)域得到快速發(fā)展。基于無人機視覺的多目標跟蹤技術(shù)已成為一項重要的研究課題。而無人機采集的視頻中往往存在目標被遮擋而發(fā)生身份跳變的問題，因此研究一種高效、魯棒的無人機多目標跟蹤算法對無人機的應(yīng)用具有十分重要的意義。

在已提出的多目標跟蹤（Multiple Object Track?ing，MOT）算法中，有一些是全局優(yōu)化的視頻批處理算法，它們的跟蹤框架大多基于最小成本流法和概率圖模型［1～3］。然而，批處理方法不能達到實時檢測和跟蹤的目的。因此，另一部分基于在線處理的跟蹤算法更具實用性，滿足當(dāng)前任務(wù)的要求。例如，多假設(shè)跟蹤算法（Multiple Hypothesis Tracking，MHT）［4～5］和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)過濾器（Joint Proba?bilistic Data Association，JPDA）［6～7］的在線算法在逐幀的基礎(chǔ)上執(zhí)行數(shù)據(jù)關(guān)聯(lián)，其精度也排在MOT基準的前列。然而，包括上述兩種方法在內(nèi)的許多在線跟蹤器對遮擋問題執(zhí)行復(fù)雜處理，無疑增加了計算復(fù)雜性。

SORT（Simple Online and Real-time Tracking，SORT）［8～10］是一個在實際應(yīng)用中使用較為廣泛的一個算法，它使用經(jīng)典有效的方法，即卡爾曼濾波器［11］和匈牙利算法［12］，來處理跟蹤問題中的運動預(yù)測和數(shù)據(jù)關(guān)聯(lián)。將前一幀和當(dāng)前幀發(fā)送給跟蹤器進行處理，最簡單的跟蹤方法雖然能提高在線跟蹤的效率和可靠性，但難以解決長期遮擋和目標識別問題，隨后，Wojke［13］等提出基于表觀特征的深度關(guān)聯(lián)度量的在線實時跟蹤方法，即基于TBD策略的DeepSORT算法，解決了目標的重新識別問題。……