Алгоритм многократного отслеживания целей в реальном времени достиг желаемой производительности, однако большинство существующих алгоритмов работает медленно, и с увеличением сложности фона точность отслеживания снижается. В связи с этой проблемой в данной работе предложен алгоритм реального времени для отслеживания пешеходов на основе онлайн-связи данных. Во-первых, разработан механизм двойного прогноза с использованием ядрового корреляционного фильтра и фильтра Калмана, который в сочетании с каскадным сопоставлением DeepSORT формирует систему прогнозирования-отслеживания-калибровки и делает связь данных более надежной. Кроме того, в части обнаружения объектов введен механизм внимания, который путем усиления информации о положении объекта повышает способность представления признаков, тем самым улучшая точность отслеживания. Модель достигла на наборе данных MOT16 показателей MOTA 66.5%, IDF1 64.2%, IDSW 641. По сравнению с алгоритмом DeepSORT, показатели MOTA и IDF1 увеличились на 13% и 13.2% соответственно, а IDSW снизился на 410. Алгоритм данной работы помогает решать проблемы ложного обнаружения и пропуска целей при реальном отслеживании пешеходов, при этом сохраняет высокую точность отслеживания в условиях серьезных перекрытий и обеспечивает стабильное отслеживание пешеходов в сложных условиях.

Многократное отслеживание;Отслеживание в реальном времени;YOLOv5;Алгоритм ядрового корреляционного фильтра;DeepSORT