多目标数据关联算法

前言

    我的研究方向主要是多传感器融合感知，应用在自动驾驶领域和无人机领域，实现多目标的识别和跟踪。多传感器间的数据采用特征提取的方法，需要针对性的采用合适的数据关联算法，并根据特征级融合进行优化。

数据关联算法：

级联匹配（DeepSort）

谈到多目标跟踪算法，自然绕不开DeepSort这一个经典的方法。该方法作为经典的Tracking-by-Detection模式，可供优化和改进的方法较多。
核心思路:寻找增广路径和最大匹配。换言之就是尽可能多的实现匹配。
算法流程：
1.状态估计：$(\mu ,\nu ,\gamma ,h,\hat{x},\hat{u},\hat{\gamma },\hat{h}),其中\mu ,\nu ,\gamma ,h,代表检测框中心的横纵坐标，横纵比，高度，\hat{u},\hat{\gamma },\hat{h}为图像中的对应速度。$

2.目标管理：
（1）帧间间隔时间$t$，帧间实现成功匹配需要在阈值内;
（2）目标三种状态：

• tentative：当前帧中检测到目标新生成，待查看是否连续帧中均存在；
• confirmed：连续帧中匹配成功；
• deleted：连续帧中匹配失败。

3.目标指派：
（1）运动信息关联：基于匀速直线运动模型，卡尔曼滤波器做状态预测，预测结果和检测结果间利用马氏距离完成数据关联：

d 1 ( i , j ) = ( d j − y j ) T S j − 1