目標跟蹤相關議題

1 遮擋問題

   細了說，遮擋分為三種情況：自遮擋，目標間遮擋， 背景遮擋。通常對於目標間的遮擋，多目標跟蹤演算法(如MacCormick and Blake [2000] and Elgammal et al. [2002])可以根據目標的位置和外觀的先驗知識解決這一問題。而情境結構的部分遮擋則難以判斷，因為難以辨認究竟是目標性狀變化還是發生遮擋。

處理遮擋的通用方法是用線性或非線性動態模型建模目標運動，並在發生遮擋的時候繼續預測目標位置，直到目標重新出現再修正它。

    Beymer and Konolige [1999]用了線性速度模型，並運用了卡爾曼濾波器來估計目標的位置和運動

    Isard and MacCormick [2001] 用了非線性運動模型，並用粒子濾波做狀態估計

或者使用其他特徵：

    輪廓投影 - [Haritaoglu et al. 2000] – 在部分遮擋時定位人物的頭部；
    光流特徵 - [Dockstader and Tekalp 2001b] – 假設兩個目標朝相反方向運動；
或者也可以隱式解決

    Sato and Aggarwal[2004]用TSV解決這個問題

自由形態的目標輪廓跟蹤運算元用了不同的遮擋解決方案。這些演算法通常用預先建立或線上建立的先驗形狀來解決遮擋問題。

    Cremers et al. [2002]從可能的目標性狀子空間分析中建立形狀模型來填充丟失輪廓的部分

    Yilmaz et al. [2004]用基於level set輪廓表達的混合模型建立線上的先驗形狀。這些方法可以處理完整的目標遮擋

2 多網路攝影機跟蹤

多網路攝影機跟蹤的需求來自兩方面：一是深度跟蹤資訊的需求和遮擋處理的需要；二是擴大跟蹤情境地區的需要。

多網路攝影機跟蹤的一個重要問題是不同網路攝影機視角之間的對應關係

   可以人工定義([Collins et al. 2001; Cai and Aggarwal 1999])

   也可以根據觀測到的情境和目標自動計算([Lee et al. 2000; Khan and Shah 2003])

另一個重要問題是稠密計算的複雜度

   Mittal and Davis [2003] - 不進行稠密深度估計，只計算稀疏的深度映射，降低了計算量

運動網路攝影機：

   Kang et al. [2003]用的系統是靜止網路攝影機與pan-tilt-zoom網路攝影機的疊加組合

網路攝影機視角沒有重疊情況：需要處理稀疏而不連續的目標觀測。需要對目標的速度和路徑做出一些假設。這些演算法嚴重依賴於目標對假設路徑的遵循成都和在不同網路攝影機中出現的期望時間間隔。如果這些條件不成立，目標作任意運動，只能夠用識別-跟蹤的方法，即用單網路攝影機的方法解決。

本文來自CSDN部落格，轉載請標明出處：http://blog.csdn.net/lynphoenix/archive/2011/02/18/6192576.aspx