基于单目标模型扩展的多目标跟踪算法

基于单目标模型扩展的多目标跟踪算法
陈嘉炜
【期刊名称】《工业控制计算机》
【年(卷),期】2022(35)7
【摘要】为了解决传统单目标跟踪方法在直接扩展到多目标场景中的精度和速度问题,提出了一种融入亲和性模型的多任务学习模型,融合了轻量化网络部分结构,实现了参数量和计算量的优化。

针对该类方法自身局限性导致的轨迹错位和漂移等跟踪效果,在其中加入度量学习模块增强类内目标的区分性,引入了新型的融合注意力机制以提升跟踪的稳定性和增强特征学习,而得到最优跟踪结果。

该模型在多目标挑战数据集MOT16上进行了测试,算法在维持不错的精度和鲁棒性的情况下,实现了跟踪速度上的稳定提升。

【总页数】3页(P82-84)
【作者】陈嘉炜
【作者单位】北方工业大学电气与控制工程学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于卷积神经网络检测的单镜头多目标跟踪算法
2.基于扩展量测混合坐标下多目标跟踪算法
3.基于联合多目标概率密度模型的多目标检测前跟踪算法
4.基于变分
贝叶斯势均衡多目标多伯努利滤波的多扩展目标跟踪算法5.基于相机模型投影的多目标三维人体跟踪算法
因版权原因，仅展示原文概要，查看原文内容请购买。