融合SimAM注意力机制的实时多目标跟踪算法

作者：程之星; 杨帆

来源：电子测量技术, 2023, 46(17): 94-101.

DOI：10.19651/j.cnki.emt.2212176

• 机器视觉
• 多目标跟踪
• 注意力机制
• 实时跟踪

多目标跟踪中的JDE算法首次将目标检测与重识别进行联合学习，极大提升了跟踪速度，但由于复杂背景干扰和遮挡导致跟踪准确度下降。为了解决跟踪速度与准确度的平衡问题，本文提出了SAM-JDE,该模型融合了SimAM注意力机制、多尺度融合等思想，通过增强特征提取能力提高目标跟踪的准确性。使用CIoU＿Loss作为回归损失函数，通过准确地构建目标框和预测框之间的位置关系来提升定位精度。关联匹配部分使用卡尔曼滤波预测运动信息，匈牙利匹配算法完成时序维度上的目标关联。在MOT16-test数据集上进行测试，MOTA达到66.4%,跟踪速度为20.6 FPS,在保证实时性的基础上跟踪准确度较JDE算法提升2.3%,较好地优化了准确度与速度的平衡问题。

• 单位
  河北工业大学; 电子信息工程学院