Para abordar el problema de la disminución de la precisión del seguimiento causada por la oclusión entre objetivos en escenarios complejos, se propone un algoritmo mejorado de seguimiento múltiple basado en el marco Fairmot. El mapa de características de la red principal se somete a un intercambio de información entre dimensiones a través de un mecanismo de atención triple que genera una máscara de atención, mejorando la capacidad de localización de los objetivos; la rama de reidentificación de peatones utiliza Circle Loss para seleccionar el nivel de optimización según el estado actual, extrayendo características de apariencia más precisas para distinguir distintos objetivos. Los resultados experimentales muestran que en el conjunto de datos MOT15 la precisión de seguimiento aumentó al 62%, el MT (Mostly Tracked) subió a 358, y las veces que cambió la identidad se redujeron en 68, logrando un mejor rendimiento de seguimiento en escenarios con oclusión.

Procesamiento de imágenes;Aprendizaje profundo;Seguimiento de objetivos;Mecanismo de atención