2-16 目标跟踪相关议题

前天是情人节，昨天是出差，anyway 都没有干什么正事。今天继续目标跟踪算法的总结，讨论实际跟踪问题中会遇到的问题，包括遮挡情况和多摄像头下的跟踪。

 

1 遮挡问题

   细了说，遮挡分为三种情况：自遮挡，目标间遮挡， 背景遮挡。通常对于目标间的遮挡，多目标跟踪算法(如MacCormick and Blake [2000] and Elgammal et al. [2002])可以根据目标的位置和外观的先验知识解决这一问题。而场景结构的部分遮挡则难以判断，因为难以辨认究竟是目标性状变化还是发生遮挡。

处理遮挡的通用方法是用线性或非线性动态模型建模目标运动，并在发生遮挡的时候继续预测目标位置，直到目标重新出现再修正它。

    Beymer and Konolige [1999]用了线性速度模型，并运用了卡尔曼滤波器来估计目标的位置和运动

    Isard and MacCormick [2001] 用了非线性运动模型，并用粒子滤波做状态估计

或者使用其他特征：

    轮廓投影 - [Haritaoglu et al. 2000] – 在部分遮挡时定位人物的头部；
    光流特征 - [Dockstader and Tekalp 2001b] – 假设两个目标朝相反方向运动；
或者也可以隐式解决

    Sato and Aggarwal[2004]用TSV解决这个问题

自由形态的目标轮廓跟踪算子用了不同的遮挡解决方案。这些算法通常用预先建立或在线建立的先验形状来解决遮挡问题。

    Cremers et al. [2002]从可能的目标性状子空间分析中建立形状模型来填充丢失轮廓的部分

    Yilmaz et al. [2004]用基于level set轮廓表达的混合模型建立在线的先验形状。这些方法可以处理完整的目标遮挡

 

2 多摄像头跟踪

多摄像头跟踪的需求来自两方面：一是深度跟踪信息的需求和遮挡处理的需要；二是扩大跟踪场景区域的需要。

多摄像头跟踪的一个重要问题是不同摄像头视角之间的对应关系

   可以人工定义([Collins et al. 2001; Cai and Aggarwal 1999])

   也可以根据观测到的场景和目标自动计算([Lee et al. 2000; Khan and Shah 2003])

另一个重要问题是稠密计算的复杂度

   Mittal and Davis [2003] - 不进行稠密深度估计，只计算稀疏的深度映射，降低了计算量

运动摄像头：

   Kang et al. [2003]用的系统是静止摄像头与pan-tilt-zoom摄像头的叠加组合

摄像头视角没有重叠情况：需要处理稀疏而不连续的目标观测。需要对目标的速度和路径做出一些假设。这些算法严重依赖于目标对假设路径的遵循成都和在不同摄像头中出现的期望时间间隔。如果这些条件不成立，目标作任意运动，只能够用识别-跟踪的方法，即用单摄像头的方法解决。