跨域环境下特定多目标跟踪算法的改进

摘要

【目的】针对监控视频跨域环境下的多目标跟踪画面中，频繁遮挡、轨迹开始终止时刻未知、目标太小、目标间交互、表观相似以及摄像头视角变化等问题，提出一种改进的多目标跟踪算法。【方法】该算法最大化利用低分检测对象，将未匹配的低分对象进行二次匹配，目标跨域后，依据摄像头拓扑排序规则，以及相邻摄像头的未匹配跟踪轨迹，同时对检测器YOLOv5算法进行优化改进，通过信息流的层层递进，有效解决多尺度问题和小目标信息提取不充分等问题，在相邻的摄像头中快速匹配到跟踪对象，以提高跨域环境下特定多目标跟踪的精度。【结果】对比消融试验表明，本改进算法MOTA达到了62.8%,IDswitch也显著降低。

关键词

多目标跟踪 / YOLO / 计算机视觉 / 深度学习

基金资助

山西省重点研发计划（202102010101008）; 山西省基础研究计划（自由探索）（20210302123334）;山西省基础研究计划（202303021211187）