基于Wasserstein度量的目标数据关联算法

• 作者: 刘洋 郭春生
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 多目标跟踪 深度网络 Wasserstein距离 数据关联
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 算法与语言
• 页码范围: 74-77,81
• 页数: 5页
• 分类号: TP312
• 字数: 3484字
• 语种: 中文
• DOI: 10.11907/rjdk.191176

摘要

针对目前多目标跟踪中目标数据关联度量方式的不足,以及Wasserstein度量值衡量概率测度间差异程度的性质,提出基于Wasserstein度量的目标数据关联算法,即利用Wasserstein距离衡量目标外观特征向量之间的相似度,将目标外观特征向量看成一个分布,计算分布之间的Wasserstein距离,再用Wasserstein距离判断目标是否相似.但是Wasserstein距离表达式比较复杂,难以直接计算,因此通过训练一个深度网络计算Wasserstein距离,并使相同目标特征向量之间Wasserstein距离缩小、不同目标特征向量之间的Wasserstein距离增大;然后,利用目标运动匹配度进一步筛选满足外观匹配度的目标,最终得到最佳目标关联.实验结果表明,该算法能较好地解决多目标跟踪中的漏报问题,与原算法相比,MT提高了6.7％,ML减少了4.9％,FN减少了6627个.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭春生	杭州电子科技大学通信工程学院	48	240	8.0	14.0
2	刘洋	杭州电子科技大学通信工程学院	9	44	3.0	6.0