assignDetectionsToTracks
为多目标跟踪分配检测跟踪
语法
描述
［在多目标跟踪的背景下，使用James Munkres的匈牙利分配算法的变体分配检测跟踪。它还确定哪些轨迹缺失，哪些检测应该开始新的轨迹。它返回已分配和未分配的轨道的索引，以及未分配的检测。的作业，unassignedTracks，unassignedDetections) = assignDetectionsToTracks (costMatrix，costOfNonAssignment）costMatrix必须是一个米——- - - - - -N矩阵。在这个矩阵,米表示轨道数，和N是检测的次数。的值表示分配的成本Nth检测到米th轨道。成本越低，检测被分配到一个轨道的可能性就越大。的costOfNonAssignment标量输入表示未分配的跟踪或检测的成本。
［分别指定未分配的轨道和检测的开销。的作业，unassignedTracks，unassignedDetections) = assignDetectionsToTracks (costMatrix，unassignedTrackCost，unassignedDetectionCost）unassignedTrackCost必须是标量值，或者米元向量,米表示轨道数。为米-element vector，每个元素表示不将任何检测分配到该轨道的成本。的unassignedDetectionCost必须是标量值或N元向量,N表示检测数。
例子
将检测分配到单个视频帧中的轨道
这个例子向您展示了如何为单个视频帧的轨迹分配检测。
设置当前帧中对象的预测位置。使用卡尔曼滤波系统对象获得预测。
预测=[1,1;2、2];
设置当前帧中检测到的对象的位置。对于本例，有2个轨道和3个新检测。因此，至少有一个检测结果是不匹配的，这可能表明有新的轨迹。
检测= (1.1,1.1,2.1,2.1,1.5,3];
预分配一个成本矩阵。
成本= 0(大小(预测,1),大小(检测,1));
计算与检测相匹配的每个预测的代价。这里的代价，被定义为预测和检测之间的欧氏距离。
为I = 1:大小(预测，1)diff =检测- repmat(预测(I，:)，[size(预测，1)，1]);Cost (i，:) =√(sum(diff .^ 2,2));结束
将检测与预测联系起来。检测1应与轨道1匹配，检测2应与轨道2匹配。检测3应该不匹配。
(作业、unassignedTracks unassignedDetections] =.．.assignDetectionsToTracks(成本,0.2);图;图(预测(:1),预测(:,2),‘*’检测(:1),.．.检测(:,2),“罗”）;持有在；传奇(“预测”，“检测”）;为I = 1:size(赋值，1)text(prediction(赋值(I,1)，1)+0.1，.．.预测(作业(我,1),2)-0.1,num2str (i));文本(检测(作业(我,2),1)+ 0.1,.．.检测(作业(我,2),2)-0.1,num2str (i));结束为i = 1:length(unassignneddetections) text(detections(unassignneddetections (i)，1)+0.1，.．.检测(unassignedDetections (i), 2) + 0.1,“未赋值的）;结束xlim ([0, 4]);ylim ([0, 4]);
输入参数
costMatrix- - - - - -将检测分配给跟踪的成本
米——- - - - - -N矩阵
将检测分配给一个轨道的开销，指定为米——- - - - - -N矩阵,米表示轨道数，和N是检测的次数。成本矩阵值必须是实数、非稀疏和数值。成本越低，检测被分配到一个轨道的可能性就越大。的值表示分配的成本Nth检测到米th轨道。如果在探测和轨迹之间没有分配的可能性，则costMatrix输入设置为正．在内部，这个函数用虚拟行和列填充成本矩阵，以解释未分配的轨道和检测的可能性。填充的行表示未分配给任何轨道的检测。填充的列表示与任何检测无关的轨迹。该函数将匈牙利赋值算法应用于填充矩阵。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
costOfNonAssignment- - - - - -不将检测分配给任何轨道或不将跟踪分配给任何检测的成本
标量|有限的
不将检测分配给任何轨道或将轨道分配给检测的成本。可以将此值指定为一个标量值，表示未分配的跟踪或检测的开销。未分配的检测可能成为新轨迹的开始。如果音轨未分配，则对象不会出现。越高costOfNonAssignment值，则每条轨迹被分配检测的可能性越高。
在内部，这个函数用虚拟行和列填充成本矩阵，以解释未分配的轨道和检测的可能性。填充的行表示未分配给任何轨道的检测。填充的列表示与任何检测无关的轨迹。属性的语法可将相同的值应用于行和列中的所有元素costOfNonAssignment输入。方法的语法可更改不同检测或跟踪的值unassignedTrackCost而且unassignedDetectionCost输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
unassignedTrackCost- - - - - -未分配音轨的成本或可能性
米元向量|标量|有限的
未分配音轨的成本或可能性。可以将此值指定为标量值或米元向量,米表示轨道数。为米-element vector，每个元素表示不将任何检测分配到该轨道的成本。一个标量输入表示为所有音轨取消分配的相同代价。成本可能取决于你对每个轨道和场景的了解。例如，如果一个对象即将离开视场，对应的未分配轨道的代价应该很低。
在内部，这个函数用虚拟行和列填充成本矩阵，以解释未分配的轨道和检测的可能性。填充的行表示未分配给任何轨道的检测。填充的列表示与任何检测无关的轨迹。方法的语法可更改不同检测或跟踪的值unassignedTrackCost而且unassignedDetectionCost输入。属性的语法可将相同的值应用于行和列中的所有元素costOfNonAssignment输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
unassignedDetectionCost- - - - - -未分配检测的成本
N元向量|标量|有限的
未分配检测的代价，指定为标量值或N元向量,N表示检测数。为N-元素向量，每个元素表示为该检测开始一个新轨道的成本。一个标量输入表示为所有音轨取消分配的相同代价。费用可能取决于你对每次检测和现场的了解。例如，如果一个检测出现在图像的边缘附近，它更有可能是一个新的对象。
在内部，这个函数用虚拟行和列填充成本矩阵，以解释未分配的轨道和检测的可能性。填充的行表示未分配给任何轨道的检测。填充的列表示与任何检测无关的轨迹。方法的语法可更改不同检测或跟踪的值unassignedTrackCost而且unassignedDetectionCost输入。属性的语法可将相同的值应用于行和列中的所有元素costOfNonAssignment输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
输出参数
参考文献
[1]米勒、马特·L.、哈罗德·s·斯通和英格玛·j·考克斯，《优化默蒂的排序分配方法》，航空航天和电子系统汇刊, 33(3), 1997。
[2] James Munkres，“分配和运输问题的算法”，工业与应用数学学会杂志1957年3月，第5卷第1期
扩展功能
版本历史
介绍了R2012b
您也可以从以下列表中选择网站: