加强重识别的行人多目标跟踪算法

来源：计算机工程与应用杂志2022年第21期北京时间：

作者：王黎明, 孙俊, 陈祺东

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

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