—
— PAGE # —
学号
学科
2012
海交通大学
级硕士学位论文开题报告登记表
控制科学与工程
学位论文题目
学院（系、所）
导师
李建勋
电子信息与电气工程学院
稳健对地目标跟踪方法研究
研究课题来源课 题 的
研究课题来源
课 题 的 .、、八 丿2、 义 以 及 研 究 的 主 要 内 容
国家自然科学基金、航天创新基金、中航 613横向项目
运动目标跟踪是视觉图像处理中的一个非常热门的话题，在多个领域有着广 泛的应用。运动目标跟踪的应用领域和环境主要有：对大型公共场所进行智能化 视频监控、基于视频的人机交互、交通流量监测、医疗诊断等。
本文从计算机视觉角度研究对地目标跟踪方法。由于视觉跟踪系统能在比较 复杂的背景下，提取与分离市场内的目标、确定目标位置、估计目标运动趋势、 实现对目标的实时跟踪，且具有跟踪精度高、跟踪状态平稳、抗干扰能力强、分 辨率高和成本低等特点，在军事上很受重视。在民用领域，对地目标跟踪也有着 广泛的应用：对大型公共场所进行智能化视频监控。例如在机场、商场、地铁站 等场所进行智能化监控，其主要目的都是为了 保障公众财产和信息安全。在人
群监测、交通管理上实现智能化有非比寻常的意义。
以以上应用为背景，本文的对地目标跟踪技术包含以下几个主要技术模块： 单目标跟踪技术、多目标跟踪技术、密集目标跟踪技术。分出这几个模块是为了 应对不同的应用场景，或是在同一场景需要各模块的协同合作。例如地铁站的人 群流量具有明显时段特征，早晚上下班高峰人流极大，而其他时段人流量明显减 少，这就需要对不同时段采用不同的跟踪方法以达到最好的效果。在上下班高峰 期，采用密集目标跟踪技术，而在其他时段，采用多目标跟踪技术，而在有特殊 需要的时候，例如跟踪特定犯罪嫌疑人时，可采用单目标跟踪技术。
本文研究的主要内容具体有：
粒子滤波基本方法研究，这是单目标跟踪方法的框架。在图像跟踪应用 中，目标状态的后验概率分布往往是非线性非高斯多模态的，粒子滤波方法对于 系统模型没有特殊要求，且能够保持状态的多模态分布，在跟踪领域得到了很大 的发展。但常规粒子滤波跟踪算法存在计算量大、采样效率低等问题。
粒子群最优化思想研究，改进常规粒子滤波采样效率低的问题，提高采样 效率。针对常规粒子滤波跟踪算法存在计算量大、采样效率低等问题，引入粒子 群优化思想对目标状态后验分布进行最优搜索，找到后验分布的高似然区，并依 据此高似然区来进行重采样。
变结构多模型的设计，以更好的表征目标的运动模型。几乎所有的方法对 目标的运动状态都假定为平滑的，或者将运动限制在恒速或恒加速运动状态。而 实际情况并非如此，例如机动目标的运动状态就很难用单一模型来表征。本文引 入变结构多模型方法为目标建立变结构多运动模型。变结构多模型方法能够很好 的表征目标的运动模型却又不增加过多的计算量，因此相比单一运动模型能够更 好的估计目标的运动。
将先验信息模型引入目标跟踪系统，以得到更精确的跟踪效果。包括在某 些场景下，先验信息是可知的，这些信息可用来指导粒子先验分布以获得更精确 的后验分布，而地理位置信息模型则是最常用也是最易获取的信息。地理位置模 型包含了跟踪场景里道路分布、建筑分布等信息，对目标的运动起到很好的约束 作用，能够提高目标跟踪的精确度。
结合在线学习与粒子滤波，以稳健的跟踪目标。针对粒子滤波跟踪丢失目 标后难恢复的问题，提出一种基于粒子滤波结合在线学习的稳健跟踪方法，使用 粒子滤波有效的跟踪结果作为正训练样本不断更新样本库，以跟踪被遮挡和消失 后再出现的目标。
JPDA方法及MH1方法研究，以解决多目标之间可能产生的“错标识”问 题。多目标跟踪的主要问题在于处理多目标联合状态估计，又由于多数多目标跟 踪情况均是非线性非高斯的多维的状态估计问题，在这种情况下，数据关联算法 至关重要。所谓数据关联就是将未标记的目标观测与对应目标的状态进行关联。
比较成熟的数据关联算法有JPDA方法及MHT方法。然而两者的计算复杂度过 大，特别是在视觉跟踪本身的大数据量情况下难以实际应用。本文拟通过挖掘多 目标间约束模型来简化JPDA或MHT勺计算以使其能够实际应用。
密集目标的运动估计。在一幅幅复杂的密集目标图像中，如果依靠每个目 标的个体信息来估计总体的运动，则必须要分离出每个个体的运动，然而这在密 度大的情况下是不现实的，特别是当个体之间相互遮挡时这就变得更加困难。本 文拟从总体运动趋势入手，不借助于单独个体的信息，而是通过统计视频中宏块 的运动矢量来进行总体运动估计。
对本文提出的单目标跟踪算法、多目标算法、密集目标跟踪算法分别从跟 踪准确性、跟踪成功率等各方面对各算法的有效性、稳健性进行评估。
课 题 的 工 作 方 案以实际应用为背景，为解决对地目标的跟踪监控问题，本文的工作方案为：
课 题 的 工 作 方 案
一、 研究单目标跟踪算法，以满足特殊情况下需要，例如跟踪特定嫌疑人等。本
文拟在粒子滤波框架下，用粒子群优 化思想提高采样效率，用变结构多模型来
对目标复杂的运动建模，结合在线学习来克服粒子滤波跟踪丢失目标后难恢复的 问题。
二、 研究多目标跟踪算法，在目标密度较小的情况下进行多目标跟踪。本文拟在 MHT 匡架下研究出能够实际应用于视觉跟踪系统的简易多目标跟踪方法。
三、 研究密集型目标群跟踪算法，在目标密度较大情况下进行密集型目标群跟 踪。抛弃借助单独个体的运动信息来进行总体运动估计的方法，通过统计视频中 宏块的运动矢量进行总体运动估计。
四、 实现对地目标跟踪软件系统。
注：内容填不下时可自行加页。
课 题准 研备 究如 有何 无解 困决 难一、 单目标的跟踪方法近年来各种跟踪方法层出不穷，主流算法主要有粒子滤
课 题准 研备 究如 有何 无解 困决 难
波方法、mean-shift方法、tracking-by-detection 等方法。但几乎所有的方
法对目标的运动状态都假定为平滑的，或者将运动限制在恒速或恒加速运动状 态。而实际情况并非如此，例如机动目标的运动状态就很难用单一模型来表 征。本文引入变结构多模型方法，结合粒子滤波方法进行视觉目标跟踪。变结 构多模型方法能够很好的表征目标的运动模型，因此相比单一运动模型能够更 好的估计目标的运动。
二、 多目标的跟踪方法主要在于解决目标发生重叠时的标识问题。常用并比较 成熟的方法有JPDA算法和MH■算法。由于JPDA算法的复杂度与目标个数的阶
乘成正比，为了降低计算量许多文献讨论了次优 JPDA快速算法。而理论的MHT
算法同样存在计算复杂度过高难以实际应用的问题，不少文献同样讨论了简约 MHT算法。本文拟挖掘多目标之间的运动关联性约束以提高 JPDA或MHT算法的
效率。
2014.4 —
2014.4 — 2014.5
2014.6 — 2014.7
2014.8 — 2014.10
2014.11 — 2015.1
丿意
签名:
开题报告时间：
丿意人。「Q八意参加人数：教师 人，研究生 审查结果：
丿意
人。
「Q八
意
签名:
i.代码
I 'iJ ppt,ppb< I
罔基于険的目标砸型人髀密葩计方怎硏耙dxx
岂I幵题很告一竝
全部如需材料扌韶牛1347755930
上海交通大学硕士学位论文”
基于视频的目标跟踪”
及人群密度估计方法研究.
VL :
严圍:1/103 世珂铀1 j ￡￥ 菊fit疸J I 磁
iff
号" *
师：# ?
位：” *
科：控制科学与工理* *
位：电子倍与电气工理学ET )H： * ￥
如全部村料扣
?■?■-?？
—
— PAGE # —
￡13；
■
K
1
■
■ ft
F-an 一
LI T-Vf-
u存昨
ij I UTft&nM 侣 aFcEt^
u
u ■ HIKFJA
u ■珂
k=*af?uUs
H
:J
lii ?W
g ■?啊
4 U■書4
U 4^Hmu
lAI
1 阵 TnxwuL" ■:n： ■?. Mi 年ZB斗:?>
:*沪WW?》
1"1 ■?■
1■■: ■IT"
，气3鼻存“
V=a>T?^?HkM4unqafl
H *t
ILI吗規空砂哥牙a：見—— 1U
density 卸AT pirtkleFdtei umpJc- 蜩s柚
32 VFT"—
4
3J?itsribr?i￡=a^
册Hflxk.
JJJ ■￡肝一
3 ■ ■IWirr
Nl FltTR
kc n*
皿 ±-tei*i^*WW59
f4=9K■"耳
\,?Er?
sj n -
■BUWtrUi 也 tHUrrtfl
HE HT
彳=4UJ.
q fc PnftiiBFt
片 L ? ■MWM
a
+u 3吃
+i- T■曲利音匕ui
JJJ HIT忖钿肿區.钾存基, -1 SHsrvK 0 s^nuv
riS AflJI連时
+.U H-**
z 皙 rw
m Eur.
qJ -.-■-
11
]=
如壽聲全fttf料社牝四扣扣
134773^0
2015?1/?1 1M1
2O1V1/21 1$殆
2015/1/21 1H5
2015/1/JI 13^5
2015/1/21 心7 2Q15/1/￡115l1Z aiS/Vil iScll 2niVl/21 IMi
JOlS/Vii 11-13
WlnKARj?（汝 W WinftAftERiC wir^R jssejtw HlnF加田嶽殳n
上靶和I.
4? BE.
? EE.
Ji>d
：53
]JJ
3J-9
d5i
PI
如全部材料 扣扣：1347755930
61.&54 KE iS.iiA Kfi 打应商Kje ia,W2 Kt