加强重识别的行人多目标跟踪算法

摘要：

在多目标跟踪任务中,重识别(re-identification,Re-ID)效果通常依赖于检测性能的好坏,检测偏差会导致Re-ID特征模糊,从而降低重识别精度.特别是在尺度变化和频繁遮挡等复杂场景下,Re-ID鲁棒性不高,多目标跟踪效果较差.针对该问题,提出一种加强重识别的行人多目标跟踪算法.该算法以CenterNet为检测器,通过预测目标中心点热力图来检测目标位置,并设计检测偏差损失加强对预测热力图响应值的约束,以缓解因检测不准确导致的Re-ID特征模糊问题.为提高Re-ID鲁棒性,提出Re-ID可学习特征动态扩充策略.该策略通过自适应扩充目标中心的Re-ID可学习特征来提高特征质量,并减小Re-ID对中心点检测精度的依赖.在MOT16和MOT17测试集上进行验证,结果表明,算法能有效提升Re-ID性能,与主流算法相比具有更好的跟踪效果,且兼顾了实时性,达到25.6 FPS.

关键词：多目标跟踪、重识别、中心点检测、实时

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：213-222