-
题名基于卷积注意力模块和无锚框检测网络的行人跟踪算法
被引量：5
- 1
-
-
作者
张红颖
贺鹏艺
-
机构
中国民航大学电子信息与自动化学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第9期3299-3307,共9页
-
基金
国家重点研发计划(2018YFB1601200)
天津市研究生科研创新项目(2020YJSZXS14)
四川省青年科技创新研究团队专项计划(2019JDTD0001)。
-
文摘
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。
-
关键词
目标身份切换
高分辨率特征提取网络
卷积注意力模块
无锚框检测网络
头网络
FairMOT
-
Keywords
identity switch(ids)
High-resolution feature extraction network
Convolutional Block Attention Module(CBAM)
Anchor-free detection netword
Head network
Fair MOT
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.4
[电子电信—信息与通信工程]
-
