FA-SORT：轻量化的多车辆跟踪算法

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：欧阳博, 朱勇建, 杨礼康, 王本源

单位：1.浙江科技学院 机械与能源工程学院，杭州 310023；2.上海应用技术大学 计算机科学与信息工程学院，上海 401800；3.宁波敏捷信息科技有限公司，浙江 宁波 315300

摘要：近年来，无人机因体积小、灵活性好等优势被广泛应用在车辆跟踪领域。当无人机在高空飞行时，其捕捉的图像中车辆目标存在像素点少、拥挤以及被遮挡的情况。现有的多目标跟踪研究方法在车辆被遮挡过程中发生非线性运动时，使用卡尔曼滤波预测，会出现车辆位置预测不准确的问题。为了解决这些问题，采用先检测后跟踪（tracking by detection，TBD）范式，对YOLOv8检测算法进行改进，在网络结构中引入了BiFormer稀疏动态注意力模块，用于提取小目标特征信息。同时使用轻量级上采样算子CARAFE替换原最近邻插值上采样，减少上采样过程中小目标特征丢失的问题。提出一种轻量化跟踪模型FA-SORT，针对SORT算法提出三点改进：改进KF、添加速度方向一致性匹配和检测值匹配。在自制地组合了多个车辆数据集上验证改进的YOLOv8算法。实验结果表明，与YOLOv8相比，精确率（precision）提高了0.97%，召回率（recall）提高了0.898%。对所提出的FA-SORT算法使用UAVDT数据集进行验证，结果表明，与现有的多目标跟踪算法相比，HOTA指标首个达到70.05%，IDF1达到87.45%，跟踪速度达到29.93?FPS。验证了FA-SORT跟踪算法在多车辆跟踪任务中的优越性。

关键词：多车辆跟踪,目标检测,速度方向一致性匹配,检测值匹配,无人机图像