基于MF-DeepSORT的交通多目标跟踪

摘要：

针对交通场景中的多目标跟踪任务,为了提高跟踪算法的跟踪精度,在DeepSORT算法的基础上提出了一种改进的MF-DeepSORT算法.相比于DeepSORT跟踪算法,MF-DeepSORT是一种基于多特征(Multi Feature,MF)融合的目标跟踪算法,相对于仅使用传统的卷积特征,MF-DeepSORT将HOG特征引入到跟踪算法中,进而提高目标外观的表征能力,并引入了基于交并比(Intersection over Union,IOU)的运动距离度量,从而提高跟踪匹配的准确性.同时构建了交通场景多目标跟踪数据集Car-MOT,用于衡量算法在交通多目标跟踪任务的跟踪性能.实验结果表明,所提出的MF-DeepSORT在Car-MOT上相比DeepSORT,MOTA指标提高了4.839％,达到了62.017％,同时跟踪ID切换从34次降到2次,表明MF-DeepSORT在交通多目标数据集的跟踪性能优于DeepSORT算法,是一种高效的交通多目标跟踪算法.

关键词：多目标跟踪、交通场景、IOU距离度量、多特征融合

所属期刊栏目：48

分类号：TN391.4(半导体技术)

资助基金：江苏省网络与信息安全重点实验室,省创新能力建设专项2020;7704009013A

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：830-835