Для решения проблемы снижения точности отслеживания из-за перекрытия целей в сложных сценариях предложен улучшенный алгоритм многократного отслеживания на основе фреймворка Fairmot. Карта признаков основной сети проходит межразмерное взаимодействие информации через тройной механизм внимания для создания маски внимания, что улучшает способность локализации целей; ветвь повторного распознавания пешеходов использует Circle Loss для выбора степени оптимизации в зависимости от текущего состояния, извлекая более точные визуальные признаки для различения различных объектов. Результаты экспериментов показывают, что точность отслеживания на наборе данных MOT15 повысилась до 62%, MT (Mostly Tracked) увеличился до 358, количество смен идентичности снизилось на 68 раз, обеспечивая лучшее отслеживание в условиях перекрытия.

Обработка изображений;Глубокое обучение;Отслеживание целей;Механизм внимания