В ответ на недостатки существующей парадигмы многократного отслеживания целей, основанной на детекции, в данной статье исследуется алгоритм DeepSort в качестве базового для решения проблемы частых переключений ID целей из-за частичного перекрытия. Во-первых, совершенствуется модель внешнего вида — исходная широкая остаточная сеть заменяется на сеть ResNeXt, добавляется сверточный механизм внимания в базовую сеть для построения новой сети повторного распознавания пешеходов, что позволяет модели более внимательно фокусироваться на ключевой информации цели и извлекать более эффективные признаки; затем используется YOLOv5 в качестве алгоритма детекции с добавлением слоя детекции, позволяющего модели адаптироваться к целям разных размеров, и добавлен механизм координатного внимания в базовую сеть для дальнейшего улучшения точности детекции. Проведены эксперименты по многократному отслеживанию целей на датасете MOT16: точность многократного отслеживания составила 66,2%, высокая точность отслеживания — 80,8%, при этом удовлетворены требования к отслеживанию в реальном времени.

многократное отслеживание; повторное распознавание пешеходов; YOLOv5; механизм внимания; глубокое обучение