基于YOLOX和重识别的行人多目标跟踪方法

摘要

针对在拥堵场景下多目标跟踪身份频繁切换的问题,该文提出了一种融合行人重识别任务与目标检测任务的联合网络。在YOLOX检测算法上添加重识别(Re-identification)分支,获得含有重识别特征的行人检测框;在ByteTrack跟踪算法的检测框与预测框特征匹配的基础上,利用重识别特征弥补ByteTrack网络在匹配过程中行人外观特征缺失的问题,并结合行人运动特征,进一步提升特征匹配的准确率,减少身份切换次数。在公开数据集MOT17上进行实验,改进后的网络m AP提升2.6%,达到了95.4%,不同尺寸的mAP与mAR均获得明显提升,运行效率几乎保持不变。