Diante das limitações do paradigma atual de rastreamento múltiplo de alvos baseado em detecção, este artigo baseia-se no algoritmo DeepSort para resolver o problema de mudanças frequentes de ID de alvos causadas por oclusão durante o rastreamento. Primeiro, o modelo de aparência foi aprimorado substituindo a rede residual ampla original pela rede ResNeXt, introduzindo um mecanismo de atenção convolucional na rede principal para construir uma nova rede de reidentificação de pedestres, fazendo com que o modelo se concentre mais nas informações-chave do alvo e extraia características mais eficazes; em seguida, o YOLOv5 foi adotado como algoritmo de detecção, adicionando uma camada de detecção para adaptar o modelo a alvos de diferentes tamanhos, e adicionando um mecanismo de atenção de coordenadas na rede principal para melhorar ainda mais a precisão do modelo de detecção. Experimentos de rastreamento múltiplo de alvos foram realizados no conjunto de dados MOT16, alcançando uma precisão de rastreamento múltiplo de 66,2%, uma precisão exata de 80,8%, atendendo aos requisitos de rastreamento em tempo real.

rastreamento múltiplo de alvos; reidentificação de pedestres; YOLOv5; mecanismo de atenção; aprendizado profundo