马尔科夫随机场与实时多目标跟踪算法（讲座）

马尔科夫随机场（Markov Random Field）是计算机视觉、图像处理等研究的重要工具。它在图像处理中的应用广泛。它不仅可处理底层视觉（图像分割、边缘检测），还可用于中高层视觉处理（多目标跟踪、场景分析和理解）。在本文中，沈乐君试图用最简单直观的方式来讲解马尔科夫随机场（MRF）、粒子滤波器（Particle Filter）和多目标跟踪（Multi-Object Tracking）算法，还保留一些源代码连接，希望对您有用。

目录：
1. 马尔科夫随机场（MRF）的介绍
2. 基于MRF的噪声图像分割
3. 粒子滤波器的介绍
4. 综合MRF与粒子滤波器进行多目标跟踪
5. 自助重要性采样（BISP）的实时多目标跟踪

点击下载全文
 

我们设计的多目标跟踪算法（BISP）， 与相关算法相比（如MCMC, MFMC, DMOT），具有竞争优势。该算法实时性好，在笔者的P4 1.4G的笔记本电脑上，对15个运动员的多目标跟踪，仅需要20毫秒。而且，该算法样本多样性好，能够对长时间遮挡和非常复杂的目标混叠进行有效的处理。该算法的跟踪误差小，在真实场景中，对运动员的平均跟踪误差约1-2个像素。读者可下载演示程序，亲自体验该算法的实时性和鲁棒性：

演示程序：http://www.shenlejun.cn/download/2011BISP.zip （17MB）（注意：为了对视频进行解码，请安装附带的XviD解码器！程序会自动提示读者并安装该解码器）
演示视频：http://www.shenlejun.cn/download/11bisp-2.mpg （14MB）

相关论文：Real-time Tracking of Multiple Objects by Linear Motion and Repulsive Motion（2014年12月更新）

C++源代码（2014年12月更新）

关键词:马尔可夫链,马尔可夫模型,随机场,马尔可夫随机场,粒子滤波器,目标跟踪