基于跨尺度特征聚合网络的行人检测与跟踪

摘要

针对行人检测跟踪过程中目标空间尺度差异大、小目标漏检率高,以及跟踪稳定性差的问题,提出一种基于跨尺度特征聚合网络(TFACN)的行人多目标检测跟踪方法。该方法选取CenterNet网络作为目标检测器,并设计跨尺度特征聚合模块(TFA),对高、低层特征信息进行有效融合,实现对卷积层特征的增强表示,有效地降低虚警率、小目标的漏检率和计算复杂度;其次在高精度识别的基础上,结合自适应卡尔曼滤波,通过实时计算残差信息在线更新观测噪声协方差,对行人运动状态进行自适应估计,提高行人跟踪的位置估计精度。试验结果表明,本文算法相较于现有的算法,可以在较低的计算成本下获得更高的精度。