복잡한 장면에서 목표 간의 가림으로 인해 추적 정확도가 저하되는 문제를 해결하기 위해 Fairmot 프레임워크 기반의 다중 목표 추적 개선 알고리즘을 제안한다. 주된 네트워크 특징 맵은 삼중 주의 메커니즘을 통해 차원 간 정보 교환을 수행하여 주의 마스크를 생성함으로써 목표 위치 추정 능력을 향상시킨다; 보행자 재인식 분기는 현재 상태에 따라 최적화 정도를 선택하는 Circle Loss를 사용하여 더욱 정확한 외관 특징을 추출하고 서로 다른 목표 객체를 구분한다. 실험 결과는 MOT15 데이터셋에서 추적 정확도가 62%로 향상되고, Mostly Tracked(MT) 수치가 358로 증가하며, 신원 전환이 68회 감소하여 가림이 발생하는 장면에서 더 뛰어난 추적 성능을 보임을 나타낸다.

이미지 처리;딥 러닝;목표 추적;주의 메커니즘