项目名称: 基于遮挡分层模型的遮挡目标跟踪技术研究

项目编号: No.61271328

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 桑农

作者单位: 华中科技大学

项目金额: 76万元

中文摘要: 本项目针对多个运动目标相互遮挡情况下的跟踪问题,提出采用遮挡分层模型为遮挡目标建模,建立起关于目标位置、尺度及目标间遮挡关系等状态的概率模型,从而将多目标跟踪问题转化为该概率模型下的目标状态最优估计问题。为充分利用不同特征之间的互补性,以更好地适应跟踪过程中场景的变化,提出利用目标外观与光流特征的动态组合来描述目标,构造反映目标状态的似然概率。针对目标状态空间维数随跟踪过程中目标数量的变化而变化,且状态空间中参数类型多样的特点,提出利用包含跳跃和扩散两种状态转移方式的马尔可夫链蒙特卡罗(MCMC)方法进行目标状态最大后验概率寻优,以获得全局最优的跟踪结果。为了加快优化函数的收敛速度,提出利用目标历史状态信息和领域知识来构造MCMC状态转移函数。在此基础上,与目标状态预测技术相结合,以实现各种遮挡条件下的多目标跟踪,为地空/空空导弹精确制导、智能视频监控等应用提供技术支撑。

中文关键词: 遮挡分层模型;多目标跟踪;马尔科夫蒙特卡洛;数据关联;条件随机场

英文摘要: As to the multiple objects tracking under occlusion, we proposed the occlusion layer model to describe the occlusion relation among the objects and build a probability model about the object position,scale and object occlusion relation so as to transform the multiple object tracking problem into an optimal estimation problem about this probability model. In order to make full use of the complementarity of different image features to adapt to the varying scene, we proposed to utilize the object appearance and optical flow to represent the objects jointly, moreover, the weights of the different features are adjusted dynamically. For the dimension changing with the number of object and various object status types, we proposed to optimize the maxmimum a posteriori estimatioin(MAP) using Markov Chain Mento Carlo(MCMC) sampling technique including the transformtion mode of jump and diffuse to obtain the global optimal solution. In oder to optimize the velocity of the convergence, the historical information about the scale and domain knowledge are employed to construct the status transfer functions. Base on the above fact, we introduced the predicting technique so that our tracking system can track the occluded objects under different situation and further be applied into the video surveillance, the precision guidance

英文关键词: Occlusion Layer Model;Multiple Object Tracking;Markov Chain Monte Carlo(MCMC);;Data Association;conditional random field

成为VIP会员查看完整内容
2

相关内容

CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
50+阅读 · 2020年10月21日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8日
读者来稿 | 有效遮挡检测的鲁棒人脸识别
计算机视觉战队
19+阅读 · 2019年3月28日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
17+阅读 · 2018年4月2日
小贴士
相关VIP内容
CVPR 2022 Oral | 基于熵筛选的半监督三维旋转回归
专知会员服务
17+阅读 · 2022年4月18日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
50+阅读 · 2020年10月21日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
相关资讯
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8日
读者来稿 | 有效遮挡检测的鲁棒人脸识别
计算机视觉战队
19+阅读 · 2019年3月28日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
相关基金
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员