一种用于杂乱场景多人跟踪的在线变分贝叶斯模型

目标跟踪是一个普遍存在的问题，出现在许多应用中，如遥感、音频处理、计算机视觉、人机界面、人机交互等。尽管在计算机视觉领域已得到深入研究，但跟踪时变数量的行人仍然是一个具有挑战性的开放问题。本文中，我们提出了一种在线变分贝叶斯模型，用于从行人检测器提供的杂乱视觉观测中进行多人跟踪。本文的贡献如下：第一，我们提出了一个用于跟踪未知且变化数量的行人的变分贝叶斯框架。第二，我们的模型导出了一个变分期望最大化 (VEM) 算法，该算法对潜变量的后验分布和模型参数的估计均有闭式表达式。第三，所提出的模型利用了来自多个检测器的观测，因此本质上是多模态的。第四，我们提出嵌入目标新生和目标可见性过程，以努力鲁棒地处理行人随时间出现和消失的情况。在经典多人跟踪数据集上的评估表明，我们的方法相较于当前最先进的多目标跟踪模型（如概率假设密度 (PHD) 滤波器等）展现了具有竞争力的结果。