论文出处:Multiple ObjectTracking Using K-Shortest Paths Optimization, PAMI2011.
引文:
多目标跟踪问题通常分为两步:第一步是与时间无关的目标检测,即针对每一视频帧检测出目标出现的位置,以及在这些位置上出现的置信度;第二步是在时间轴上连接候选目标形成轨迹,在生成轨迹时要尽可能保证同一条轨迹上的所有目标对应同一个真实物体,轨迹数量对应目标数量。
从数学优化的角度,已知所有候选目标求解最优轨迹的复杂度是NP完全规模的。现有的一些近似求解算法包括粒子滤波,卡尔曼滤波以及贪心动态规划等在一定程度能够获得正确轨迹(消除false positive,或更正false negtive候选),但都无法保证全局最优解。本文将轨迹求解问题转化为带约束的流优化问题,进而形成标准线性规划问题。由于约束矩阵的特殊性,恰好可以利用K最短路径算法求解该优化系统,从而获得实时性效率。与已有跟踪算法相比,本文算法具有以下优势:1)算法输入简单,只需要各候选目标的位置及置信度(Probabilistic occupancy map),由检测算法提供;2)根据优化结果(路径数量),算法能够自动输出目标数量;3)算法的控制参数较少,算法效率能够达到实时。
算法介绍:
该论文将多目标跟踪问题转化为整数规划问题。第一步是构建网络模型(Graph model):假设当前要跟踪的视频流包含T帧,每一帧图像被检测出K个候选目标(即K个节点),相邻帧间的候选目标根据距离约束形成边连接关系。左下图为一维节点模型示意,右下图为二维节点模型示意。每个节点变量