リアルタイム多物体追跡アルゴリズムは理想的な追跡性能を達成しましたが、ほとんどの既存アルゴリズムは追跡速度が遅く、背景の複雑さが増すにつれて追跡精度も低下します。この問題に対処するため、本論文ではオンラインデータ関連に基づく歩行者リアルタイム追跡アルゴリズムを提案します。まず、カーネル相関フィルタとカルマンフィルタの二重軌道予測機構を設計し、DeepSORTのカスケードマッチングと組み合わせて予測－追跡－校正システムを形成し、データ関連をより信頼性の高いものにします。さらに、ターゲット検出部分に注意機構を導入し、ターゲットの位置情報を強化することで特徴表現能力を高め、追跡精度を向上させました。本モデルはMOT16データセットでMOTA66.5%、IDF164.2%、IDSW641を達成しました。DeepSORTアルゴリズムと比較して、MOTAとIDF1はそれぞれ13%、13.2%向上し、IDSWは410減少しました。本論文のアルゴリズムは、歩行者リアルタイム追跡時に発生する誤検出や見落としの問題を解決するのに役立ち、重度の遮蔽状況でも高い追跡精度を維持し、複雑な環境下で歩行者のリアルタイム安定追跡を実現できます。

多目標追跡;リアルタイム追跡;YOLOv5;カーネル相関フィルタアルゴリズム;DeepSORT