改进TransCenter的组合距离多目标跟踪方法

来源：计算机工程与应用杂志2025年第9期北京时间：

作者：赵海涛, 岳希, 唐聃, 蔡博

单位：1.成都信息工程大学 软件工程学院，成都 610225；2.四川省信息化应用支撑软件工程技术研究中心，成都 610225

摘要：在智能驾驶和视频监控领域中，多目标跟踪被广泛应用，但在目标发生遮挡和非线性运动时，此时产生的噪声会造成检测和跟踪精度的降低，同时众多关联匹配算法也没有考虑到IoU和外观失衡的情况。针对以上问题，提出一种基于TransCenter改进的多目标跟踪网络。引用小波变换处理检测特征，设计了上下文协同选择器，通过动态选择跟踪特征和检测特征来缓解噪声产生的负面影响；融合卡尔曼滤波预测值和跟踪位移，以提高非线性运动中的预测位移准确度；根据IoU距离和外观距离的差值优化组合距离的权重，解决了高速运动和外观剧烈变化时组合距离失效的情况。在BDD100k、DanceTrack数据集上进行了实验，结果表明，与ByteTrack算法相比，改进网络的mMOTA和HOTA值分别提升了4.3和5.9个百分点，与TransCenter相比，HOTA提升了7.4个百分点，且有着更好的灵活性和跟踪精度。

关键词：多目标跟踪,卡尔曼滤波,上下文协同,组合距离