基于自适应卡尔曼滤波的多目标跟踪算法

在视频的多目标跟踪任务中，卡尔曼滤波器性能受硬件噪声以及光线等环境噪声干扰较大，导致滤波性能下降甚至发散，严重影响目标跟踪精度。针对这一问题，在检测端不变的情况下，对跟踪算法中的卡尔曼滤波器进行改进。首先，通过实时监测跟踪过程中滤波器观测值和估计值的动态变化，提取新息或残差；然后，利用新息协方差对观测噪声统计特性进行自适应估计，进而调整卡尔曼滤波增益；并通过数值仿真表明所提方法能有效降低噪声，获得更好跟踪效果。最后，基于YOLOv3算法检测结果进行实验验证，结果表明在多目标跟踪（MOT16）数据集上，相较于传统卡尔曼滤波设计，所提自适应卡尔曼滤波在多目标跟踪任务中的精度、标号（ID）相关指标（IDF1,IDP）等指标均有所提升。