详情

原文传递基于相机的无人驾驶多目标跟踪

论文题名：	基于相机的无人驾驶多目标跟踪
关键词：	目标跟踪;无人驾驶汽车;单目相机;行人重识别;注意力提取
摘要：	随着计算机算力与存储能力的快速发展，人工智能技术迎来了另一个高峰。而作为人工智能重要落脚点的无人驾驶汽车受到了越来越多的关注，代表着未来汽车工业的前进方向。环境感知技术扮演的是无人驾驶车辆的眼睛。只有让无人车精确地获取周围环境中的动态障碍物信息，无人车的安全才能得到保障。实际交通环境的复杂性和动态性给无人驾驶的动态障碍物感知能力提出了更高的要求，本文针对无人驾驶的多目标跟踪技术展开了相关的研究。　　首先，针对交通环境中经常出现的大量拥挤行人相互交叉遮挡的问题。提出了一种基于位置先验知识的目标检测后处理技术来解决拥挤场景下的定位难问题。利用头-身这两个关联目标锚框的聚类先验知识，对头-身检测结果数据进行后处理，增强在遮挡情况下的行人检测能力。在CrowdHuman数据集上的结果显示，该方法能够实现更好的行人检测效果。　　其次，探究了在多目标跟踪场景中的行人重识别问题。针对多目标跟踪场景要区分当前视频流中多个行人实例的特点，设计了一种能够实现跨实例回归注意力的重识别神经网络模块。通过在特征提取过程中关联不同实例中的图像特征，使得网络能够动态调整自身特征权重，实现了更好的行人度量特征提取。在各个行人重识别数据集上的实验，也进一步说明了该注意力提取方法的有效性。　　最后，研究了在遮挡条件下的多目标跟踪问题。针对Tracktor框架对于视频流前后帧中空间一致性假设太强的问题，引入了卡尔曼滤波来更好地对目标运动进行预测。提出了一种遮挡自适应的目标匹配度量计算方法，解决了拥挤遮挡条件下Tracktor表现不佳的问题，提高了多目标跟踪的准确度。通过在MOT17数据集上的实验，证明了所提出方法的有效性。
作者：	张磊
专业：	控制工程
导师：	王一晶;呼文韬
授予学位：	硕士
授予学位单位：	天津大学
学位年度：	2021