Pour résoudre le problème de la baisse de précision du suivi causée par le chevauchement des cibles dans des scènes complexes, un algorithme amélioré de suivi multiple basé sur le cadre Fairmot est proposé. La carte des caractéristiques du réseau principal subit un échange d'informations entre dimensions via un mécanisme d'attention triple produisant un masque d'attention, améliorant la capacité à localiser les cibles ; la branche de ré-identification des piétons utilise la Circle Loss pour choisir le niveau d'optimisation en fonction de l'état actuel, extrayant des caractéristiques d'apparence plus précises pour différencier les cibles. Les résultats expérimentaux montrent qu'au sein du jeu de données MOT15, la précision du suivi s'élève à 62%, le MT (Mostly Tracked) à 358, les changements d'identité diminuent de 68 fois, offrant de meilleures performances de suivi en présence d'occultation.

Traitement d'image;Apprentissage profond;Suivi d'objets;Mécanisme d'attention