题目：面向人车混行场景的多行人跟踪方法研究

    当今中国社会经济和科技水平的发展日新月异，人们都期待生活在一个智慧的城市中，其中“智能交通系统”是“智慧城市”中对城市道路交通管理的关键技术，使用计算机视觉技术对交通场景中的目标进行跟踪更是“智能交通系统”需要解决的关键问题之一。在中国的道路交通中，存在很多人车混行场景，这种场景对于行人和司机的安全存在重大隐患，在人车混行场景中进行多行人跟踪对于道路交通安全与行人行为研究具有非常重要的意义。
    论文首先对行人跟踪的各种方法进行了深入研究，尤其是与人车混行场景相关的研究进行了深入分析。在人车混行场景下行人的行为经常会发生突然改变，这些改变通常是因为周围的行人或者车辆造成的。同时周围的行人与车辆也会给当前目标带来严重的遮挡，这些情况会给跟踪带来巨大的挑战。在传统的目标跟踪方法中，很少有研究关注该场景下的行人的运动模式对跟踪的影响，本文在传统多行人跟踪方法的基础之上，实现了一种基于环境上下文的多行人跟踪方法。
在本文中的跟踪方法中，针对人车混行场景中行人运动状态复杂多变、行人遮挡严重等问题，采用层次化的轨迹关联方法对行人的轨迹进行关联。主要将轨迹关联过程分为三层：第一层为帧间检测结果关联，采用一种带虚关联的目标关联方法解决帧间目标的关联问题；在第一层的结果之上，将短轨迹关联转换为二分图匹配问题从而对短轨迹进行关联；在第三层主要解决轨迹的完整性问题，通过引入道路模型、人人与人车交互运动模型来辅助完成轨迹片段的起始概率、终止概率、片段间关联概率的准确计算。
    最后本文选取了在真实人车混行场景下采集的一系列视频进行了实验，实验结果表明本文所提出的面向人车混行场景的多行人跟踪方法具有较高可靠性，能在人车混行场景下对多行人进行正确连续跟踪。基于本文提出的方法，本文也设计了一个面向人车混行场景的多行人跟踪系统用来验证本方法在实际中的应用。