文献类型：期刊文献

中文题名：改进的Quasi-Dense多目标跟踪算法

英文题名：Multiple targets tracking algorithm based on improved Quasi-Dense

作者：宁晴[1,2];鲍泓[1,2];潘卫国[1,2];王立剑[3]

第一作者：宁晴

机构：[1]北京联合大学北京市信息服务工程重点实验室,北京100101;[2]北京联合大学机器人学院,北京100027;[3]铁旅科技有限公司,北京100000

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2023

卷号：42

期号：6

起止页码：124-128

中文期刊名：传感器与微系统

外文期刊名：Transducer and Microsystem Technologies

收录：CSTPCD;;北大核心:【北大核心2020】；CSCD:【CSCD_E2023_2024】；

基金：国家自然科学基金重点资助项目(61932012)。

语种：中文

中文关键词：多目标跟踪;空间注意力;自动驾驶;区域生成网络;可变卷积

外文关键词：multiple target tracking;spatial attention;automatic driving;region proposal network;deformable convolution

摘要：在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的检测和跟踪的能力。在网络结构中使用空间注意力机制,同时在设定锚框时使用启发式方法,改进模型的跟踪效果,有效地降低了跟踪时ID切换的次数。在伯克利驾驶数据集(BDD)公开跟踪数据集上对模型进行训练和评估。实验结果表明:改进的端到端多目标跟踪方法显著提高了跟踪的精度,同时速度能够达到36.3 fps,满足实时性要求。
Aiming at the problem that for dynamic multiple targets tracking in front of vehicles in the field of unmanned driving,for obvious scale change or trucks,the tracking effect of Quasi-Dense tracking algorithm is poor,an improved Quasi-Dense multiple target tracking algorithm is proposed.Combined with the attention mechanism and adaptation idea,and so on.The spatial attention mechanism is used in the network structure,at the same time,heuristic method is used to set anchor box,to improve the tracking effect of the model,which effectively reduces the number of ID switches.The model is trained and evaluated on the public tracking dataset,Berkeley Driving Dataset(BDD).The experimental results show that the improved end-to-end multiple targets tracking method significantly improves the tracking precision,and the speed can reach 36.3 fps,which meets the real-time requirements.