科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有卡尔曼滤波(Kalman Filter, KF)多目标跟踪(Multi Object Tracking, MOT)方法难以应对相机运动、检测失真和非线性运动等问题。针对这些问题，引入自适应参量，包括运动相似度代价和检测置信度，用于动态调节KF的过程和观测协方差。此外，使用稀疏光流和随机采样一致性算法，估计前后帧的仿射变换矩阵，据此校正KF的预测值。综合以上两点，提出补偿-自适应卡尔曼滤波(Compensation-Adaptive Kalman Filter, C-AKF)。将其与BYTE框架结合，以实现在线的MOT。在MOT17数据集上的实验结果显示，所提方法能够实现68.9的高阶跟踪准确度和81.1的身份F-1分数，且关联速度满足实时要求。
- 单位
