現行の検出ベースのマルチターゲット追跡パラダイムの不足点に対処するため、本論文ではDeepSortを基礎アルゴリズムとして研究を行い、追跡過程における遮蔽によるターゲットIDの頻繁な切り替え問題を解決することを目的とする。まず外観モデルを改良し、元のワイド残差ネットワークをResNeXtネットワークに置き換え、バックボーンネットワークに畳み込み注意機構を導入して新しい歩行者再識別ネットワークを構築し、モデルがターゲットの重要な情報により注目し、より有効な特徴を抽出できるようにした。次に検出アルゴリズムとしてYOLOv5を採用し、検出層を追加して異なるサイズのターゲットに適応させ、バックボーンネットワークに座標注意機構を追加して検出モデルの精度をさらに向上させた。MOT16データセットでマルチターゲット追跡実験を行い、マルチターゲット追跡の正確率は66.2%、精密率は80.8%に達し、リアルタイム追跡の要件も満たしている。

マルチターゲット追跡;歩行者再識別;YOLOv5;注意機構;深層学習