30、基于距离的人员检测与跟踪

基于距离的人员检测与跟踪

1 多模型跟踪方法

1.1 多模型MHT框架

在多目标跟踪中，为了更好地处理数据关联和模型假设，采用了多模型假设跟踪（MHT）方法的扩展。对于时间 $k$ 的第 $i$ 个假设 $\Omega_k^i$，其有父假设 $\Omega_{k - 1}^{p(i)}$。同时，$\psi_i(k)$ 表示将 $\Omega_{k - 1}^{p(i)}$ 中的预测轨迹与 $Z(k)$ 中的观测进行关联的一组分配。由于给定 $\Omega_{k - 1}^{p(i)}$ 和 $Z(k)$ 有许多可能的分配集，所以从一个父假设可以分支产生许多子假设，每个子假设具有不同的 $\psi(k)$，这构成了一个指数增长的假设树。

多模型MHT为每个时间步引入了一个中间树层，在该层上，模型从父假设分支出来（如图1所示）。在每个模型分支中，首先重新预测父假设的轨迹以实现特定模型，然后将其分配给（重新聚类的）观测。观测的可能分配包括与现有轨迹匹配的现有轨迹、虚警或新轨迹。使用广义公式处理多种轨迹解释标签，轨迹可解释为匹配、过时或被遮挡。

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A([父假设]):::startend --> B(模型假设1):::process
    A --> C(模型假设2):::process
    A -