基于深度学习的多目标跟踪关联模型设计

• 作者: 侯建华 张国帅 项俊
• 来源期刊: 自动化学报
• 关键词: 多目标跟踪 深度学习 度量学习 关联模型 多级关联
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2690-2700
• 页数: 11页
• 语种: 中文
• DOI: 10.16383/j.aas.c180528

摘要

近年来,深度学习在计算机视觉领域的应用取得了突破性进展,但基于深度学习的视频多目标跟踪(Multiple object tracking,MOT)研究却相对甚少,而鲁棒的关联模型设计是基于检测的多目标跟踪方法的核心.本文提出一种基于深度神经网络和度量学习的关联模型:采用行人再识别(Person re-identification,Re-ID)领域中广泛使用的度量学习技术和卷积神经网络(Convolutional neural networks,CNNs)设计目标外观模型,即利用三元组损失函数设计一个三通道卷积神经网络,提取更具判别性的外观特征构建目标外观相似度;再结合运动模型计算轨迹片间的关联概率.在关联策略上,采用匈牙利算法,首先以逐帧关联方式得到短小可靠的轨迹片集合,再通过自适应时间滑动窗机制多级关联,输出各目标最终轨迹.在2DMOT2015、MOT16公开数据集上的实验结果证明了所提方法的有效性,与当前一些主流算法相比较,本文方法取得了相当或者领先的跟踪效果.