摘要
目标跟踪是计算机视觉领域的一个非常重要的课题，在智能安防、军事、智能交互等方面具有重要的研究价值和应用价值。在单目标跟踪中，单一目标很容易被周围环境干扰甚至遮挡，使得目标跟踪发生漂移或者跟踪失败。在多目标跟踪中多个目标之间频繁的遮挡使得问题更加严重，因此单目标跟踪算法很难扩展到多目标跟踪算法中，尤其是单目标跟踪算法的效率会随着目标跟踪数量的增多而急剧下降。此外现有的单目标跟踪算法和多目标跟踪算法很难解决因为遮挡而带来的跟踪失败的问题，综上，一些主流的目标跟踪算法因为本身的精度问题很难应用到实际的场景中。本文针对以上问题进行了深入研究，主要的研究内容和创新成果如下: 1、提出了一种基于遮挡感知的单目标跟踪算法。该算法引入多级特征响应的概念，通过与遮挡信息结合，利用统计分析的方法得到在目标发生遮挡时，多级特征响应的分布特点，从而利用最后的特征响应得到物体是否发生遮挡的判别概率。还提出了一种基于生成对抗的单目标路径预测模块，用于对多样化的目标路径进行预测，而不再受限于线性或非线性运动模型。整体的网络架构由特征提取模块、遮挡感知模块、预测模块构成，当物体未发生遮挡时，算法通过正常的图像特征得到预测位置。当物体发生遮挡时，启动路径预测模块，对被遮挡的物体的位置进行预测。实验结果表明，提出的基于遮挡感知的单目标跟踪算法能够有效的解决目标遮挡问题，对比实验表明，提出的算法在准确度方面同目前的同类最好的算法相比提高了11.67％，稳健性提高了9.3％。 2、提出了一种基于生成对抗的多目标跟踪算法。该算法首先对目标检测算法进行了改进，提出了基于YOLO的人体人脸关联目标检测算法，用于得到人体人脸相互关联的人脸检测框和人体检测框。对于人体外观特征，提出了基于生成对抗网络的图像生成模块，图像生成模块将生成的图像在线地送入特征提取网络中用来学习行人外观的主要特征和细微特征。对于多目标路径预测，本章提出了具有社交意识的多目标路径预测模块，用来生成更为真实的多目标行人轨迹。整体的框架主要由目标检测模块、特征提取模块、路径预测模块、匹配模块构成。首先一帧图像经过检测模块得到检测结果，即若干个人体框和与之匹配的人脸框，然后经过人体特征提取网络提取人体外观特征，人脸特征提取网络提取人脸外观特征。再由目标的历史轨迹生成未来的预测轨迹。最后通过匹配模块对每个Tracker进行匹配得到最终的跟踪结果。实验结果表明，提出的多目标跟踪算法具有较高的精确度，对比实验结果表明，提出的算法在发生ID跳变的数量上要比ID目前跳变最少的算法减少了65％，准确度提高了0.25％。 3、提出了一种跨摄像头的多目标跟踪算法以及搭建了基于该算法的室内机房多目标跟踪安防系统。提出了跨摄像头的多目标跟踪算法，主要针对以下问题有了较为有效的方法，首先是直接将单一摄像头下的多目标跟踪算法扩展到多摄像头下时，目标的ID不能很好的融合统一;然后是目标不完整带来的ID跳变以及多目标之间频繁遮挡带来的ID跳变等问题。根据提出的跨摄像头多目标跟踪算法搭建了室内机房多目标跟踪系统。该系统由后端服务器算法、远程数据库、前端网络界面构成。其中后端算法布置在服务器中，用于并行处理多路视频信号，前端网络界面用来显示。后端算法将结果送给远程数据库，前端网络界面通过访问数据库对机房进行实时显示。该系统以已经于2019年9月30日通过初级验收，并持续稳定运行，证明了提出算法的有效性和实用性。
NETL