结合CNN和Bi-LSTM的多行人目标检测跟踪方法

作者：欧群雍; 谭同德; 袁红斌

来源：无线电工程, 2022, 52(09): 1633-1641.

• 行人检测
• 卷积神经网络
• 双向长短期记忆网络
• 数据关联问题
• 身份误换

为了提高多行人检测跟踪的准确性和鲁棒性，提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)和双向长短期记忆(Bi-directional Long-Short Term Memory, Bi-LSTM)网络的检测跟踪方法。训练一个CNN以测量2个检测跟踪框之间的相似度；为了求解数据关联问题，将检测结果作为节点，结合相似性度量和亲密度，构建Lifted行人跟踪图；为了解决长期遮挡和身份误换问题，提高跟踪鲁棒性，提出了一种改进Bi-LSTM网络预测行人的非线性运动，并利用目标运动信息来连接轨迹片段。仿真结果表明，与其他先进方法相比，所提方法具有更好的跟踪性能，在PETS2009数据集和CAVIAR数据集上的大部分跟踪(Most Tracking, MT)占比分别达到90.2%和79.1%,且身份误换的次数更少。

• 单位
  郑州工业应用技术学院; 郑州西亚斯学院; 电子信息工程学院