基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究 |
| |
引用本文: | 韩锟,彭晶莹.基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究[J].铁道科学与工程学报,2024(1):94-105. |
| |
作者姓名: | 韩锟 彭晶莹 |
| |
作者单位: | 中南大学交通运输工程学院 |
| |
基金项目: | 湖南省自然科学基金资助项目(2016JJ4117); |
| |
摘 要: | 目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明:与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少94...
|
关 键 词: | 多目标跟踪 目标检测 注意力机制 数据关联 计算机视觉 |
|