基于自校准与异构网络的多目标跟踪算法

为解决多目标跟踪算法在遮挡场景下导致的身份切换等问题，提升算法跟踪精度，提出一种融合自校准与异构卷积的离线图跟踪网络(self-calibrated convolutions and asymmetric convolution track, SCAACTrack)。利用融合自校准卷积网络与非对称结构进行目标外观特征提取，提升算法行人重识别能力。通过采用不同帧之间目标外观特征、时间和空间3种维度进行图神经网络建模，引入基于时间感知的消息传递网络加强多目标跟踪流式守恒约束。实验结果表明，与传统的多目标跟踪算法MPNTrack、Tracktor、KCF等模型相比，该模型跟踪效果更有效。