科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对行人检测跟踪过程中目标空间尺度差异大、小目标漏检率高，以及跟踪稳定性差的问题，提出一种基于跨尺度特征聚合网络(TFACN)的行人多目标检测跟踪方法。该方法选取CenterNet网络作为目标检测器，并设计跨尺度特征聚合模块(TFA),对高、低层特征信息进行有效融合，实现对卷积层特征的增强表示，有效地降低虚警率、小目标的漏检率和计算复杂度；其次在高精度识别的基础上，结合自适应卡尔曼滤波，通过实时计算残差信息在线更新观测噪声协方差，对行人运动状态进行自适应估计，提高行人跟踪的位置估计精度。试验结果表明，本文算法相较于现有的算法，可以在较低的计算成本下获得更高的精度。
- 单位
