多目标跟踪方法讨论综述(图文)论文导读：随着复杂环境中对检测和跟踪多个被遮挡的人和计算他们的精确位置的需要，多视点的方法成为讨论的热点。尽管通过相机不能很好的解决目标跟踪问题，但却提出了一些很好的想法，如选择最正确视点，但这些方法都以实际环境模型和相机校正为特征。除此之外，也有在原来的单视点跟踪系统进行扩展的多视点跟踪方法。随着监控设备的开展和设施的铺设，多视点的场景图像是很容易得到的，因此借助信息融合的思想，充分利用不同角度对目标的描述信息，可以很大的改进目前基于单视点的多目标检测和跟踪的精度，能够很好的解决单视点方法中不能很好解决的遮挡问题。关键词：单视点，多视点，目标跟踪，信息融合1、多目标跟踪的一般步骤基于视频的多目标跟踪技术融合了图像处理、模式识别、人工智能、自动控制以及计算机视觉等众多领域中的先进技术和核心思想。不同的多目标跟踪方法其实现步骤有一定的差异，但多目标跟踪的主要流程是相同的，如图 1 所示，其主要包括图像预处理、运动目标检测、多目标标记与别离、多目标跟踪四个步骤。图 1 多目标跟踪根本流程图2、多目标跟踪方法2.1 单视点的方法单视点方法是针对单一相机猎取的图像进行多目标的检测和跟踪。该方法好处在于简单且易于开发，但由于有限的视觉信息的猎取，很难处理几个目标被遮挡的情况。块跟踪〔Blob-tracking〕是一种流行的低本钱的跟踪方法[6-7]。论文检测。这种方法需要首先在每一帧中提取块，然后逐帧寻找相关联的块，从而实现跟踪。例如 BraMBLe 系统[8]就是一个基于的背景模型和被跟踪的人的外表模型计算出块的似然性的多块跟踪器。这种方法最大的缺乏之处在于：当由于相似性或者遮挡，多个目标合并在一起时，跟踪将导致失败。因此，可以取而代之的方法是通过位置、外观和形状保存清楚目标的状态。文献[9]利用组合椭圆模拟人的形状，用颜色直方图模拟不同人的外观，用一个增强高斯分布模拟背景以便分割目标，一旦场景中发现对应于运动头部的像素，一个 MCMC 方法就被用于猎取多个人的轮廓的最大后验概率，在单相机的多人跟踪应用中取得了非常有意义的结果。Okuma 等人提出了一种将 Adaboot 算法和粒子滤波相结合的方法[10]。该方法由于充分利用了两种方法的优点，相比于单独使用这两种方法本身，大大降低了跟踪失败的情形，同时也解决了在同一框架下检测和一致跟踪的问题。Brotow 等人提出了一个用于在人群中检测单个行人的特征点轨...
