基于YOLOv3与分层数据关联的多目标跟踪算法

作者：刘彦; 秦品乐; 曾建朝^*

来源：计算机科学, 2021, 48(S2): 370-375.

• 分层数据关联
• YOLOv3
• 轻量级网络
• 多目标跟踪
• 深度学习

为了缓解多目标跟踪算法中实时性的问题以及在跟踪过程中目标由于外观相似度太高和误检数量过多而造成的跟踪困难问题,提出了一种多目标跟踪算法,该算法基于改进YOLOv3与分层数据关联。由于轻量级网络MobileNet使用了深度可分离卷积对原有网络进行压缩,达到了减少网络参数的目的,因此文中在保留YOLOv3网络多尺度预测部分的情况下,利用MobileNet替换YOLOv3网络的主体结构,实现降低网络的复杂度,使算法达到实时的要求。与其他多目标跟踪算法中使用的检测网络相比,该算法提出的检测网络模型的大小为91 M,而单张检测时间可以达到3.12 s。同时,该算法引入基于目标外观特征和运动特征的分层数据关联方法。与仅使用外观特征进行关联的方法相比,分层数据关联方法使得算法的评价指标MOTA提升6.5%,MOTP提升1.7%。在MOT16数据集上跟踪精度可以达到77.2%,同时具备良好的抗干扰能力与实时性。

• 单位
  中北大学