典型文献
加强重识别的行人多目标跟踪算法
文献摘要：
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.
文献关键词：
多目标跟踪;重识别;中心点检测;实时
中图分类号：
作者姓名：
王黎明;孙俊;陈祺东
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122
文献出处：
引用格式：
[1]王黎明;孙俊;陈祺东-.加强重识别的行人多目标跟踪算法)[J].计算机工程与应用,2022(21):213-222
A类：
B类：
重识别,多目标跟踪算法,re,identification,Re,ID,检测性能,好坏,检测偏差,识别精度,尺度变化,遮挡,复杂场景,CenterNet,检测器,热力图,目标位置,响应值,测不准,可学,学习特征,对中心,中心点检测,检测精度,MOT16,MOT17,测试集,流算法,FPS
AB值：
0.306542
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
