计算机工程

作者：周海赟, 项学智, 王馨遥, 任文凯

单位：1. 南京森林警察学院 治安学院, 南京 210023;2. 哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001

关键词：多目标跟踪,链式跟踪,多特征融合,特征金字塔,多任务损失函数

基金：中央高校基础科研业务费项目（LGY201802，LGZD202102）；国家自然科学基金（61401113）；黑龙江省科学基金项目（LH2021F011）；华为MindSpore学术基金。

目标检测、特征提取与数据关联作为多目标跟踪网络中重要的组件，独立或部分联合地发挥作用，这种组件分离的方法虽取得了良好的跟踪效果，但增加了跟踪网络的复杂性，影响了跟踪速度。为提升行人多目标跟踪速度及维持跟踪精度，提出一种端到端链式行人多目标跟踪网络。将目标检测、特征提取与数据关联集成到一个统一的框架中，将连续2帧图片组成一个节点作为输入，直接回归出节点之间相同目标的成对边界框，利用相邻节点之间公共帧的强相似性，仅使用交并比匹配进行数据关联，以提高跟踪速度。使用多特征融合的双向特征金字塔，并在金字塔网络中引用改进可变形卷积，提高模型对目标形变的适应性。为解决正负样本不平衡及梯度贡献的差异，将focal loss与BalancedL1 Loss组成多任务学习损失函数以促进网络的均衡学习。在MOT17数据集上的实验结果表明，与DeepSORT、TubeTK、CenterTrack等网络相比，该网络可有效实现跟踪速度与精度的平衡，多目标跟踪精度为69.6，跟踪速度保持为21.6 frame/s。

来源：2022年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第9期