assignDetectionsToTracks
为多目标跟踪分配跟踪检测
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为跟踪分配检测。它还确定哪些轨道丢失，哪些检测应该开始新的轨道。它返回已分配的和未分配的轨道以及未分配的检测的索引。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为检测次数。每个值表示赋值的成本Nth检测到米th轨道。成本越低，探测被分配到轨道上的可能性就越大。的costOfNonAssignment标量输入表示未分配的轨道或检测的成本。
［分别指定未分配轨道和检测的成本。的作业，unassignedTracks，unassignedDetections) = assignDetectionsToTracks (costMatrix，unassignedTrackCost，unassignedDetectionCost）unassignedTrackCost必须是一个标量值，或米元向量,米表示轨道数。为米-element向量，每个元素表示不为该轨迹分配任何检测的代价。的unassignedDetectionCost必须是一个标量值或N元向量,N表示检测次数。
例子
在单个视频帧中为轨道分配检测
这个示例向您展示了如何为单个视频帧分配一个检测到音轨。
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取预测。
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个轨迹和3个新检测。因此，至少有一个检测是不匹配的，这可以指示一个新的轨迹。
检测= (1.1,1.1,2.1,2.1,1.5,3];
预先分配一个成本矩阵。
成本= 0(大小(预测,1),大小(检测,1));
计算每个与检测匹配的预测的代价。这里的代价被定义为预测和检测之间的欧氏距离。
为I = 1:size(predictions, 1) diff = detections - repmat(predictions(I，:)，[size(detections,1)，1]));Cost (i，:) =√(sum(diff .^ 2,2));结束
将检测与预测关联起来。检测1应该与跟踪1匹配，检测2应该与跟踪2匹配。检测3应该是不匹配的。
(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(assignment,1) text(predictions(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(unassignddetections) text(detections(unassignddetections (i))+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- - - - - -为跟踪分配检测的成本
米——- - - - - -N矩阵
为轨道分配检测的成本，具体为米——- - - - - -N矩阵,米表示轨道数，和N为检测次数。代价矩阵值必须为实数、非稀疏和数值。成本越低，探测被分配到轨道上的可能性就越大。每个值表示赋值的成本Nth检测到米th轨道。如果在探测和轨道之间没有分配的可能性，则costMatrix输入设置为正．在内部，该函数用虚拟行和列填充成本矩阵，以考虑未分配的轨道和检测的可能性。填充的行表示未分配到任何轨道的检测。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将轨道分配给任何检测的成本
标量|有限的
不将检测分配到任何轨道或轨道检测的成本。您可以将此值指定为标量值，表示未分配的轨道或检测的成本。一个未分配的检测可能成为一个新轨道的开始。如果一个轨道未被分配，对象就不会出现。越高costOfNonAssignment值越大，每条轨道被指定探测的可能性就越大。
在内部，该函数用虚拟行和列填充成本矩阵，以考虑未分配的轨道和检测的可能性。填充的行表示未分配到任何轨道的检测。填充的列表示与任何检测无关的轨迹。要对行和列中的所有元素应用相同的值，请使用costOfNonAssignment输入。要更改不同检测或轨迹的值，请使用unassignedTrackCost和unassignedDetectionCost输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
unassignedTrackCost- - - - - -未指定轨道的成本或可能性
米元向量|标量|有限的
未指定轨道的成本或可能性。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向量，每个元素表示不为该轨迹分配任何检测的代价。一个标量输入表示所有轨道未分配的相同代价。成本可能取决于你对每个轨道和场景的了解程度。例如，如果一个物体将要离开视场，那么未分配相应轨迹的代价应该很低。
在内部，该函数用虚拟行和列填充成本矩阵，以考虑未分配的轨道和检测的可能性。填充的行表示未分配到任何轨道的检测。填充的列表示与任何检测无关的轨迹。要更改不同检测或轨迹的值，请使用unassignedTrackCost和unassignedDetectionCost输入。要对行和列中的所有元素应用相同的值，请使用costOfNonAssignment输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
unassignedDetectionCost- - - - - -未分配的检测成本
N元向量|标量|有限的
指定为标量值或标量值的未分配检测的代价N元向量,N表示检测次数。为N-元素向量，每个元素表示为该检测启动一个新轨道的成本。一个标量输入表示所有轨道未分配的相同代价。成本可能会根据你对每个探测和场景的了解有所不同。例如，如果检测出现在靠近图像边缘的地方，那么它更有可能是一个新目标。
在内部，该函数用虚拟行和列填充成本矩阵，以考虑未分配的轨道和检测的可能性。填充的行表示未分配到任何轨道的检测。填充的列表示与任何检测无关的轨迹。要更改不同检测或轨迹的值，请使用unassignedTrackCost和unassignedDetectionCost输入。要对行和列中的所有元素应用相同的值，请使用costOfNonAssignment输入。
数据类型:int8|uint8|int16|uint16|int32|uint32|单|双
输出参数
参考文献
[1] Miller, Matt L.， Harold S. Stone, Ingemar J. Cox，《优化Murty的排名分配方法》，航空航天和电子系统学报, 33(3), 1997。
[2] Munkres, James，《分配和运输问题的算法》工业和应用数学学会学报1957年3月，第5卷第1期。
扩展功能
你也可以从以下列表中选择一个网站:
