结构先验约束下的实时多目标跟踪

多目标跟踪算法通常需要计算多帧、多目标间的数据关联,由于目标样本数量大,优化过程十分耗时,因此往往实际应用受限。提出一种实时的多目标跟踪算法,通过建立在线更新的结构先验模型约束目标间的空间位置关系,从而捕获多帧多目标间的数据相关性;在推理目标的空间置信度时,为克服传统方法使用稀疏采样造成样本不足引起目标状态估计不准确的问题,采用一种新的思路:提取目标及其周围区域作为正例样本,在计算过程中引入循环矩阵理论进行密集采样,并进一步通过对解进行傅里叶变换,实现对搜索窗口内所有样本似然的快速推理,从而为结构先验模型提供目标所有可能位置的置信度。实验结果表明了该算法在提高跟踪精度的同时显著降低了运算时间。