多特征融合的端到端链式行人多目标跟踪网络

摘要：

目标检测、特征提取与数据关联作为多目标跟踪网络中重要的组件,独立或部分联合地发挥作用,这种组件分离的方法虽取得了良好的跟踪效果,但增加了跟踪网络的复杂性,影响了跟踪速度.为提升行人多目标跟踪速度及维持跟踪精度,提出一种端到端链式行人多目标跟踪网络.将目标检测、特征提取与数据关联集成到一个统一的框架中,将连续2帧图片组成一个节点作为输入,直接回归出节点之间相同目标的成对边界框,利用相邻节点之间公共帧的强相似性,仅使用交并比匹配进行数据关联,以提高跟踪速度.使用多特征融合的双向特征金字塔,并在金字塔网络中引用改进可变形卷积,提高模型对目标形变的适应性.为解决正负样本不平衡及梯度贡献的差异,将focal loss与BalancedL1 Loss组成多任务学习损失函数以促进网络的均衡学习.在MOT17数据集上的实验结果表明,与DeepSORT、TubeTK、CenterTrack等网络相比,该网络可有效实现跟踪速度与精度的平衡,多目标跟踪精度为69.6,跟踪速度保持为21.6 frame/s.

关键词：多目标跟踪、链式跟踪、多特征融合、特征金字塔、多任务损失函数

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基础科研业务费项目;中央高校基础科研业务费项目;国家自然科学基金;黑龙江省科学基金项目;华为MindSpore学术基金

在线出版日期：2022-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：305-313