改進(jìn)霍夫森林框架的多目標(biāo)跟蹤算法

　　針對(duì)單目視覺(jué)對(duì)多個(gè)相似的目標(biāo)跟蹤因遮擋等因素影響而失效的問(wèn)題，提出一種基于改進(jìn)霍夫森林框架的多目標(biāo)跟蹤算法。在將多目標(biāo)跟蹤問(wèn)題歸結(jié)為基于目標(biāo)檢測(cè)的軌跡關(guān)聯(lián)過(guò)程基礎(chǔ)上，通過(guò)引入在線學(xué)習(xí)霍夫森林框架將軌跡關(guān)聯(lián)計(jì)算轉(zhuǎn)化為最大后驗(yàn)概率（MAP）問(wèn)題。通過(guò)在線采集多目標(biāo)樣本、提取目標(biāo)外觀和運(yùn)動(dòng)特征構(gòu)建霍夫森林，進(jìn)行森林訓(xùn)練得到軌跡關(guān)聯(lián)概率，從而關(guān)聯(lián)多目標(biāo)軌跡；而引入低秩逼近Hankel矩陣進(jìn)行軌跡校驗(yàn)，修復(fù)了誤匹配的軌跡，改進(jìn)了在線更新訓(xùn)練樣本算法的效能。實(shí)驗(yàn)表明，軌跡誤匹配率顯著改善，能有效提高單目攝像機(jī)對(duì)多個(gè)相似目標(biāo)有遮擋情況下跟蹤的準(zhǔn)確性和魯棒性。