基于CRF模型和标签代价的群组多目标跟踪算法

目标身份切换现象在目前的视频多目标跟踪算法中普遍存在，特别是在遮挡严重的场景中．针对这一问题，提出一种结合了CRF(conditionrandomfield)模型和标签代价函数的多目标跟踪算法．该算法将多目标跟踪问题转化为求解统一能量函数的最小解问题；同时，将目标的群组状态融合到跟踪器中，减少了目标发生身份切换的概率，提高了算法的鲁棒性．在多个公共数据集中对该算法进行仿真，实验结果显示，在多个性能指标特别是目标发生身份切换次数指标中，该算法优于目前主流的跟踪算法．