基于双分支特征增强和多级轨迹关联的多目标跟踪算法

作者：马素刚; 段帅鹏^*; 侯志强; 余旺盛; 蒲磊; 杨小宝

来源：北京航空航天大学学报, 2023, 1-9.

DOI：10.13700/j.bh.1001-5965.2023.0472

• 多目标跟踪
• 双分支特征增强
• 关联矩阵
• 偏移向量
• 多级轨迹关联

在多目标跟踪算法中，经常出现目标特征提取不足、身份切换以及轨迹缺失问题，降低了跟踪性能。为了解决以上问题，提出了一种基于双分支特征增强和多级轨迹关联的多目标跟踪算法。采用双分支特征学习网络对检测和跟踪两种任务的特殊性和相关性进行学习，缓解了两任务之间的过度竞争，提取到充足的目标特征信息；引入关联矩阵，利用更多的时序信息预测偏移向量，减少身份切换次数；采用多级轨迹关联策略，保留一部分低分检测框，并将检测框重新划分为高分框和低分框，采用不同的匹配方式与轨迹进行关联，减少轨迹缺失次数。在典型多目标跟踪数据集MOT17和MOT20上，对JDE、CenterTrack等6种相关算法进行了对比实验。所提算法在MOT17上的MOTA和IDF1值分别达到了68.2%和68.5%，与基准算法CenterTrack相比，分别提升了2.1%、4.3%；在MOT20上，MOTA和IDF1值达到了52.7%和48.2%，分别提升了1.4%、7.9%。实验结果表明，所提算法在复杂场景下取得了优异的跟踪性能。

• 单位
  西安邮电大学; 空军工程大学信息与导航学院