OMC框架下的行人多目标跟踪算法研究

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：贺愉婷, 车进, 吴金蔓, 马鹏森

单位：1.宁夏大学 物理与电子电气工程学院，银川 750021；2.宁夏沙漠信息智能感知重点实验室，银川 750021

摘要：多目标跟踪是计算机视觉领域被广泛研究的重要方向，但是在实际应用中，目标的快速移动、光照变化、遮挡等问题会导致跟踪性能变差，因此以多目标跟踪模型OMC为基础框架展开研究，以实现跟踪性能的进一步提升。针对多目标跟踪过程中存在的目标特征质量层次不齐的问题，对特征提取器进行优化，在主干网络集成了GAM注意力机制并在Neck网络部分更换了上采样方式；针对现有方法中存在的检测任务和重识别任务之间的“竞争问题”，构建了递归交叉相关网络，使得模型可以学习不同任务的特性和共性。此处针对两个子任务分别进行了优化，一是设计了新的通道注意力HS-CAM优化了重识别网络；二是更换了检测部分的边界回归损失函数，采用EIoU损失函数。实验表明，在MOT16数据集上MOTA指标可达73.5%，IDF1可达70.4%，MLgt为11.7%，相比较OMC算法减少了1.5个百分点。

关键词：计算机视觉,多目标跟踪,GAM注意力机制,转置卷积,EIoU损失函数