KCF与IOU结合的多目标追踪算法

"基于核相关滤波的多目标追踪，刘欢, 李春庚, 安居白, 魏帼, 任俊丽，大连海事大学信息科学技术学院" 本文提出了一种改进的多目标追踪算法，该算法旨在解决传统核相关滤波（Kernelized Correlation Filter, KCF）在仅依赖目标外观模型追踪时准确性较低的问题。KCF是一种高效的目标追踪方法，但当目标出现形变、遮挡或光照变化时，其追踪效果可能会下降。为了解决这一问题，作者在KCF的基础上融合了运动模型，引入了交并比（Intersection over Union, IOU）的概念。 交并比是衡量两个边界框重合程度的指标，常用于评估目标检测的精度。在多目标追踪中，计算检测到的目标框与预测目标框的IOU有助于判断当前帧中目标的匹配情况。通过比较每个目标框的IOU，可以更准确地确定每个目标的身份，即使目标之间有重叠或接近时也是如此。 为了优化目标间的关联，论文采用了匈牙利算法，这是一种求解赋权完全匹配问题的有效方法。匈牙利算法能确保在所有可能的匹配中找到最佳的一对一对应关系，从而最大化目标之间的关联度。 结合KCF的快速响应特性和IOU模型的精确性，提出的算法能够实时处理在线数据，满足高帧率（如30 frames/秒以上）追踪的需求。实验在公开的数据集2DMOT2015和MOT16上进行，结果显示，与现有的其他优秀追踪方法相比，该算法在保持高处理速度的同时，追踪准确性提高了10%以上。 关键词包括机器视觉、多目标跟踪、核相关滤波和交并比，表明研究的重点在于利用这些技术来提升多目标追踪的性能。文章的发表对于机器视觉领域的研究者来说，提供了改进追踪算法的新思路，有助于推动多目标追踪技术的发展。 中图分类号TTP391.41，文献标识码A，doi:10.3788/LOP56.121501，进一步表明这是一篇关于信息技术和光学工程领域的学术论文。