-
题名基于双分支特征增强和多级轨迹关联的多目标跟踪算法
- 1
-
-
作者
马素刚
段帅鹏
侯志强
余旺盛
蒲磊
杨小宝
-
机构
西安邮电大学计算机学院
西安邮电大学陕西省网络数据分析与智能处理重点实验室
空军工程大学信息与导航学院
火箭军工程大学作战保障学院
西安邮电大学西安市大数据与智能计算重点实验室
-
出处
《北京航空航天大学学报》
北大核心
2025年第7期2282-2289,共8页
-
基金
国家自然科学基金(62072370)
陕西省自然科学基金(2023-JC-YB-598)
西安市科技计划项目(22GXFW0125)。
-
文摘
在多目标跟踪(MOT)算法中,经常出现目标特征提取不足、身份切换及轨迹缺失问题,降低跟踪性能。为解决以上问题,提出一种基于双分支特征增强和多级轨迹关联(MTA)的MOT算法。采用双分支特征学习网络对检测和跟踪2种任务的特殊性和相关性进行学习,缓解了两任务之间的过度竞争,提取到充足的目标特征信息;引入关联矩阵(AM),利用更多的时序信息预测偏移向量,减少身份切换次数;采用多级轨迹关联策略,保留一部分低分检测框,并将检测框重新划分为高分框和低分框,采用不同的匹配方式与轨迹进行关联,减少轨迹缺失次数。在典型多目标跟踪数据集MOT17和MOT20上,对JDE、CenterTrack等6种相关算法进行对比实验。实验结果表明:所提算法在MOT17数据集上的多目标跟踪准确度(MOTA)和身份F_(1)分数(IDF1)值分别达到68.2%和68.5%,与基准算法CenterTrack相比,分别提升了2.1%、4.3%;在MOT20数据集上,MOTA和IDF1值分别达到52.7%和48.2%,分别提升了1.4%、7.9%。所提算法在复杂场景下取得了优异的跟踪性能。
-
关键词
多目标跟踪
双分支特征增强
关联矩阵
偏移向量
多级轨迹关联
-
Keywords
multi-object tracking
dual-branch feature enhancement
association matrix
offset vector
multilevel trajectory association
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
