科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决多目标跟踪算法中存在的由于模糊行人特征造成的身份切换等跟踪问题，验证行人外观在跟踪过程中的重要性，提出了一种基于中心点检测模型的注意力自相关网络。首先原图经过通道和空间注意力网络的学习获得两种不同的特征图，对深度信息完成解耦。再通过特征图之间的自相关性学习，获得更加准确的行人外观特征和行人方位信息，并应用于跟踪关联过程。同时制作了低帧率条件的跟踪数据集，用于验证在视频帧率条件不理想时，改进跟踪算法应用了注意力自相关网络获取的行人外观信息，比仅利用方位信息具有更好的准确率和鲁棒性。最终提出的算法在MOT Challenge官网MOT17数据集上进行测试，与不加入注意力自相关网络的算法FairMOT相比，跟踪平均准确率和识别F值指标分别提高了0.5和1.1个百分点，身份切换数量减少了32.2%，在单卡NVIDIA Tesla V100上的运行速度达到了21.2FPS，证明提出的算法不仅减少了跟踪过程中的错误，对整体跟踪效果有提升作用，且能够满足实时性要求。
- 单位
