基于激光雷达的复杂背景多人检测跟踪方法

doi:10.3969/j.issn.1000-3428.2011.22.051

计算机工程 ›› 2011, Vol. 37 ›› Issue (22): 156-158. doi: 10.3969/j.issn.1000-3428.2011.22.051

基于激光雷达的复杂背景多人检测跟踪方法

杨宇卓 ^1,2，余志军 ^1,2，刘海涛^1,2，李甲 ³

(1. 中国科学院微系统与信息技术研究所，上海 200050；2. 无锡物联网产业研究院，江苏无锡 214135； 3. 中国科学院电子学研究所，北京 100190)

收稿日期:2011-04-20 出版日期:2011-11-18 发布日期:2011-11-20
作者简介:杨宇卓(1986－)，女，硕士研究生，主研方向：无线传感器网络；余志军，博士；刘海涛，研究员、博士生导师；李甲，博士研究生
基金资助:
国家“973”计划基金资助项目(2011CB302901)；国家科技重大专项基金资助项目(2009ZX03006-001-02)

Lidar-based Detection and Tracking Method of Multiple People in Complex Background

YANG Yu-zhuo ^1,2, YU Zhi-jun ^1,2, LIU Hai-tao ^1,2, LI Jia ³

(1. Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences, Shanghai 200050, China; 2. Wuxi SensingNet Industrialization Reasearch Institute, Wuxi 214135, China; 3. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)

Received:2011-04-20 Online:2011-11-18 Published:2011-11-20

摘要/Abstract

摘要： 针对复杂背景中的虚警点问题，提出一种前景点相关背景滤除方法。采用速度、角度等多信息协同的最大似然估计法及自适应滑动窗口法，完成多目标同时运动及交叉运动的精确检测与跟踪，能使激光雷达适用于室内、室外复杂背景下的人员跟踪检测。数据测试结果表明，该方法能有效地抑制背景虚警点的产生，可应对多目标复杂情况，鲁棒性高。

关键词: 激光雷达, 多目标, 复杂背景, 最大似然估计, 滑动窗口

Abstract: Taking use of background filtering method effectively reduces the positive error. The method uses the collaborative information processing of speed, angle etc based on maximum likelihood estimation and the adaptive sliding window method. The lidar-based method to detect and track multiple people is implementes for indoor and outdoor complex background. Data test result shows that this method has the advantage of high precision, fast processing and strong robustness, it can effectively restrain the positive error.

Key words: lidar, multi-object, complex background, maximum likelihood estimation, sliding window

中图分类号:

TP29

杨宇卓, 余志军, 刘海涛, 李甲. 基于激光雷达的复杂背景多人检测跟踪方法[J]. 计算机工程, 2011, 37(22): 156-158.

YANG Yu-Zhuo, TU Zhi-Jun, LIU Hai-Chao, LI Jia. Lidar-based Detection and Tracking Method of Multiple People in Complex Background[J]. Computer Engineering, 2011, 37(22): 156-158.

https://www.ecice06.com/CN/Y2011/V37/I22/156

参考文献

[1] Zhao Huijing, Katabira K, Shao Xiaowei, et al. Monitoring an Intersection Using a Network of Laser Scanners[C]//Proc. of IEEE Intelligent Transportation Systems Conference. Beijing, China: IEEE Press, 2008.
[2] Arras K, Mozons O, Burgard W. Using Boosted Features for Detection of People in 2D Range Scans[C]//Proc. of IEEE Int’l Conf. on Robotics and Automation. [S. 1.]: IEEE Press, 2007.
[3] Ray M, Evans O, Jamineson J. Three-dimensional Laser Radar for Perimeter Security[C]//Proc. of SPIE’05. [S. 1.]: IEEE Press, 2005.
[4] Jamieson J. Laser Perimeter Awareness System. US Patent: 6,985,212[P]. 2006-01.
[5] Cui Jinshi, Zhao Huijing, Shibasaki R, et al. Tracking Multiple People Using Laser and Vision[C]//Proc. of IEEE/RSJ International Conference on Intelligent Robots and Systems. Alberta, Canada: [s. n.], 2005.
[6] Zhao Huijing, Shao Xiaowei, Katabira K, et al. Joint Tracking and Classification of Moving Objects in Cross Road Using Single-row Laser Range Scanner[C]//Proc. of IEEE Intelligent Transportation Systems Conference. Toronto, Canada: IEEE Press, 2006.
[7] Mendes A, Bento L C, Nunes U. Multi-target Detection and Tracking with a Laser Scanner[C]//Proc. of 2004 IEEE Intelligent Vehicles Symposium. [S. 1.]: IEEE Press, 2004.
[8] Carballo A, Yuta O S. Multiple People Detection from a Mobile Robot Using Double Layered Laser Range Finders[C]//Proc. of ICRA Workshop on People Detection and Tracking. [S. 1.]: IEEE Press, 2009.
[9] Premebida C, Nunes U. A Multi-target Tracking and GMM-classifier for Intelligent Vehicles[C]//Proc. of the 9th International IEEE Conference on Intelligent Transportation Systems. Toronto, Canada: [s. n.], 2006.
[10] Castro D, Nunes U, Ruano A. Feature Extraction for Moving Objects Tracking System in Indoor Environments[C]//Proc. of the 5th IFAC/Euron Symposium on Intelligent Autonomous Vehicles. Lisboa, Portugal: [s. n.], 2004.
[11] Premebida C, Nunes U. Segmentation and Geometric Primitives Extraction from 2D Laser Range Data for Mobile Robot Applications[C]//Proc. of the 5th National Robotics Festival. Coimbra, Portugal: [s. n.], 2005.
[12] 石杏喜, 赵春霞. 基于概率的移动机器人SLAM算法框架[J]. 计算机工程, 2010, 36(2): 31-32.

[1]	韩美慧, 王鹏, 李瑞旭, 刘仲尧. 一种基于协同演化的自适应约束多目标进化算法[J]. 计算机工程, 2024, 50(6): 124-137.
[2]	郑锦灿, 邵立珍, 雷雪梅. 基于改进MOEA/D的模糊柔性作业车间调度算法[J]. 计算机工程, 2024, 50(6): 336-345.
[3]	蔡星娟, 郭彦亨, 赵天浩, 张文生. 基于进化多任务的边缘计算服务部署和任务卸载[J]. 计算机工程, 2023, 49(7): 1-9.
[4]	蔡倩倩, 史旭华. 自适应迁移的分解多目标多任务进化算法[J]. 计算机工程, 2023, 49(7): 55-64.
[5]	郑丽萍, 赵玉娟, 费选. 基于改进MOEA/D的车联网通信资源分配算法[J]. 计算机工程, 2023, 49(5): 191-197.
[6]	唐榕, 李骞, 唐绍恩. 基于多目标的能见度检测方法[J]. 计算机工程, 2023, 49(2): 314-320.
[7]	雷嘉铭, 俞辉, 夏羽, 郭杰龙, 魏宪. 基于多方向特征融合的室外三维目标检测方法[J]. 计算机工程, 2023, 49(11): 238-246.
[8]	宋健, 王子磊. 基于值分解的多目标多智能体深度强化学习方法[J]. 计算机工程, 2023, 49(1): 31-40.
[9]	周海赟, 项学智, 王馨遥, 任文凯. 多特征融合的端到端链式行人多目标跟踪网络[J]. 计算机工程, 2022, 48(9): 305-313.
[10]	邱鸿辉, 刘海林, 陈磊. 基于协方差矩阵调整的多目标多任务优化算法[J]. 计算机工程, 2022, 48(8): 306-312.
[11]	刘子怡, 王宇嘉, 孙福禄, 贾欣, 聂方鑫. 结合特征扰动与分配策略的集成辅助多目标优化算法[J]. 计算机工程, 2022, 48(6): 115-123.
[12]	张然, 高莹雪, 赵钰, 丁元明. 基于Q学习量子蚁群的微纳卫星路由算法[J]. 计算机工程, 2022, 48(3): 162-169,188.
[13]	秦鹏, 唐川明, 刘云峰, 张建林, 徐智勇. 基于改进YOLOv3的红外目标检测方法[J]. 计算机工程, 2022, 48(3): 211-219.
[14]	姚政, 吴怀宇, 陈洋. 基于两阶段优化的并发流任务计算卸载策略[J]. 计算机工程, 2022, 48(12): 62-71.
[15]	宋佳艳, 苏圣超. 基于改进蚁群优化算法的自动驾驶多车协同运动规划[J]. 计算机工程, 2022, 48(11): 299-305,313.

选择文件类型/文献管理软件名称

选择包含的内容

基于激光雷达的复杂背景多人检测跟踪方法

Lidar-based Detection and Tracking Method of Multiple People in Complex Background

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于激光雷达的复杂背景多人检测跟踪方法

Lidar-based Detection and Tracking Method of Multiple People in Complex Background

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价