固定背景下单多目标行人跟踪算法研究的中期报告.docx

固定背景下单多目标行人跟踪算法研究的中期报告
一、研究背景
目前，随着深度学习技术的发展，基于深度学习的目标检测算法在行人跟踪领域广泛应用，但在对于复杂环境下的多目标跟踪上仍然存在一定的局限性，尤其是背景复杂或者轨迹重叠严重的情况，会导致跟踪算法的准确率和稳定性下降。
针对这一问题，本研究提出了一种基于固定背景的多目标行人跟踪算法，在背景不变的情况下，利用行人的运动和外观特征进行跟踪，结合余弦相似度进行多目标匹配，提高跟踪精度和稳定性。
二、研究内容
1.背景建模
通过选取背景帧，对其进行灰度处理得到背景模型，可以通过减法运算得到前景模型，从而识别行人。
2.行人检测
针对一般背景下的行人检测算法存在的问题，本研究采用了基于深度学习的目标检测算法YOLOv4，将其应用于行人检测。
3.单目标跟踪
在确定行人位置之后，采用卡尔曼滤波对单目标进行跟踪，利用行人的运动特征进行目标预测和关联，提高跟踪精度和鲁棒性。
4.多目标跟踪
在单目标跟踪的基础上，通过计算行人特征之间的余弦相似度进行多目标匹配，将不同帧的行人目标进行关联，提高跟踪的准确度和稳定性。
5.算法评估
采用大量的行人轨迹数据集进行算法精度评估，包括MOT、TownCenter等，进行对比分析和优化。
三、研究意义
本研究提出的固定背景下多目标行人跟踪算法，可以有效提高行人跟踪的准确率和稳定性，具有较高的实用性和应用价值，可以广泛应用于智能监控、人流分析等领域。