基於Grassmann流形的粒子濾波多目標跟蹤方法研究

《基於Grassmann流形的粒子濾波多目標跟蹤方法研究》是依託天津大學，由謝英紅擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於Grassmann流形的粒子濾波多目標跟蹤方法研究
• 項目類別：青年科學基金項目
• 項目負責人：謝英紅
• 依託單位：天津大學

項目摘要

複雜背景下建立準確可靠的表觀特徵模型是實現形變目標穩定跟蹤的關鍵。現有的平直歐式向量空間已無法準確表達不同姿態下的形變目標表觀特徵。Grassmann流形不僅具有光滑曲面的空間表達方式，且具有更為適合形變目標表觀特徵的度量。本項目基於Grassmann流形，研究形變目標表觀建模方法，利用狀態空間的內蘊幾何特性，設計估計表觀特徵的粒子濾波算法。研究仿射變換流形，建立目標的幾何形變模型，設計預測幾何形變的粒子濾波算法。結合兩類濾波器，交替進行跟蹤過程與線上學習過程，實現目標跟蹤。研究基於Grassmann流形的背景遮擋處理策略，在目標表觀特徵空間線上學習過程中，禁止異常信息，保證特徵空間的準確性。針對多目標互遮擋情況，研究流形上的角點檢測與分類算法，正確區分目標重疊區域內各目標，特別是遮擋分裂後運動方向突然發生改變的目標，實現多目標穩定跟蹤。最後，研究流形上的自適應粒子濾波算法，提高計算效率。

結題摘要

針對複雜背景下，跟蹤經歷大幅度位姿變化的目標易發生偏移的難題，本項目將Grasmann流形引入視頻目標跟蹤領域，重點對幾何形變目標的表觀建模、目標經歷遮擋時的處理策略、多目標互遮擋時的分離跟蹤算法、自適應的粒子濾波方法等開展了卓有成效的研究與攻關。 研究了經歷明顯幾何形變目標的跟蹤 。首先，研究了基於Grassmann距離度量的改進的譜聚類分析算法，在流形空間上分析數據點之間的相似性。然後，設計了基於Grassmann流形的動態目標的表觀模型，作為粒子濾波中的觀測模型，套用投影變換群描述目標的幾何形變，設計粒子濾波算法完成目標跟蹤。研究了目標經歷遮擋時的線上流形學習方法。針對目標在跟蹤過程中經常發生的目標被遮擋時，造成目標特徵空間模板漂移，導致跟蹤結果不準確或是失效的情況，研究了幾何形變目標在經歷遮擋時，基於Grassmann流形的線上流形學習方法，提出特徵空間更新策略。能夠正確判斷出是否發生遮擋確保特徵空間的準確性。針對多目標的互遮擋問題，研究了多目標互遮擋時的處理策略。首先，基於深度學習理論，研究了目標基於深度譜卷積神經元網路的高效視覺目標跟蹤算法。然後基於李群流形，設計正確區分互相遮擋的各個目標的算法。並將其與所設計的跟蹤算法融合，進行仿真實驗，驗證多目標互遮擋情況下跟蹤的有效性。研究了自適應的粒子濾波算法。提出了基於Grassmann流形的樣本數自適應調整的粒子濾波算法。在跟蹤過程中，自適應的改變粒子數目，提高計算效率。項目的研究取得了比較豐富的研究成果，各方面研究進展均完成或超過了預定目標指標，為目標跟蹤領域提供新的研究思路和關鍵技術，研究成果已經得到專家的肯定並得以推廣運用。