10.3969/j.issn.1003-3114.2022.05.008
基于MF-DeepSORT的交通多目标跟踪
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.
多目标跟踪、交通场景、IOU距离度量、多特征融合
48
TN391.4(半导体技术)
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
2022-09-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
830-835