基于随机有限集理论的复杂背景视频多目标跟踪研究

The traditional multi-target tracking methods are limited by the complicated data association. These bring combination explosion and N-P hard problem in complex situations. The filter algorithms based on random finite set theory provide systematic and rigorous mathematical foundation for multi-target tracking method, and avoid using data association technique.In the multi target tracking stage, the project analyses the characteristics of the filter algorithm based on random finite set theory, proposes the improved cardinalized probability hypothesis density (CPHD) filter based on the dynamic redistribution mechanism of the weights of Gaussian components to solve the missed detections. To solve over-estimates the cardinality and reduction measurement information, the improved cardinality balanced multi-target multiple Bermoulli (CBMeMBer) filter algorithm based on the combined mechanism of target weights is proposed, improves the effectiveness of the filter algorithms.This project puts forward the solving mechanisms corresponding to these filter algorithms, so as to improves the filter algorithms of random finite set theory, and provides a new idea and theory basis for the research and application of multi target tracking.

传统的多目标跟踪方法受制于数据关联算法，在复杂的多目标跟踪环境下通常会引发“组合爆炸”和NP-hard难题。基于随机集理论的滤波跟踪方法具有系统、严格的数学基础，有效避免多目标跟踪中复杂的数据关联问题。对于多目标跟踪，通过对随机集滤波算法的分析，针对目标漏检问题，提出基于高斯分量的权值动态再分配机制的势估计概率假设密度滤波；针对目标数过估和量测更新信息被忽略问题，提出基于目标权值合并机制的势估计多贝努利滤波。本项目通过提出对应的解决机制，从而完善随机集理论的滤波算法，为多目标跟踪的研究与应用提供了新的思路和理论依据。

目标跟踪是一个重要的理论与实际问题。随着雷达、红外、高清摄像机等各种传感器的迅速发展和日益完善，目标跟踪技术现已广泛应用于智能监控系统、智能交通系统、空中交通管制、机器人视觉、战场区域监视、精确制导与打击等民用和军用领域。传统的多目标跟踪方法受制于数据关联算法，在复杂的多目标跟踪环境下通常会引发“组合爆炸”和NP-hard难题。基于随机有限集理论的滤波跟踪方法具有系统、严格的数学基础，有效避免多目标跟踪中复杂的数据关联问题。本项目主要集中研究随机有限集理论框架下概率假设密度滤波的视频多目标跟踪问题。针对随机集理论框架下各类滤波算法的问题，理论上分析这类算法缺陷的机理。对于多目标跟踪，通过对随机集滤波算法的分析，针对视频目标特征量测有限集问题，提出了一个通过传感器似然函数和预测后验密度来共同实现视频目标的随机有限集的抽取算法；针对目标漏检问题，提出基于高斯分量的权值动态再分配机制的概率假设密度滤波；针对目标数过估和量测更新信息被忽略问题，提出基于目标权值合并机制的势估计多贝努利滤波。同时，也建立了用带标签和权重的粒子状态集的跟踪目标运动状态获取机制，从而避免了聚类算法的采用，降低了算法的计算复杂度。提出这些算法显著提高了跟踪的准确性和有效性，本项目通过提出对应的解决机制，从而完善随机集理论的滤波算法，为多目标跟踪的研究与应用提供了新的思路和理论依据。