基于子模优化的多目标跟踪算法

"Multiobject Tracking by Submodular Optimization.pdf" 这篇论文是关于多目标跟踪的，主要利用了次模优化的方法。作者团队包括IEEE的高级成员Jianbing Shen、Zhiyuan Liang、Jianhong Liu、Hanqiu Sun以及会员Ling Shao和IEEE的院士Dacheng Tao。文章已被接受发表在未来的期刊上，内容已经最终确定，除了页码外。 在多目标视觉跟踪中，提出的新算法分为两个主要阶段。首先，为了应对遮挡问题，他们设计了一种新的轨迹片段选择策略。这一阶段通过重叠标准和最小成本流分别生成低级轨迹片段，并将它们整合到候选轨迹片段集中。在第二阶段，他们将多目标跟踪问题形式化为受相关约束的次模最大化问题。次模函数用于从候选的轨迹片段集合中选择正确的片段，以构建物体的运动轨迹。接着，他们设计了一个连接过程，用以连接对应的轨迹，从而克服由于目标遮挡或短暂消失导致的跟踪断裂问题。 次模优化在组合优化中具有重要的地位，因为它能保证在选择元素时具有下减性质，即增加一个元素对整体价值的提升不会超过它在当前集合中的贡献。在多目标跟踪场景中，这一特性使得算法能够在众多可能的轨迹片段中高效地选择最合适的序列，从而提高跟踪的准确性和鲁棒性。 论文中提到的算法可能包括以下几个关键步骤：首先，通过某种启发式方法生成初步的轨迹片段；其次，利用次模函数来评估这些片段的重要性并进行选择；最后，采用有效的连接策略修复可能存在的断裂，确保轨迹的连贯性。这样的方法对于处理复杂视觉环境中的多目标跟踪挑战，如目标重叠、快速运动、光照变化等，都具有显著的优势。 这篇论文提出的多目标跟踪算法通过引入次模优化，提供了一种新颖且有效的方式来处理视觉跟踪中的遮挡和断裂问题，提高了跟踪算法的性能。这为多目标跟踪领域的研究提供了新的思路和潜在的技术改进方向。