.png){kind=icon}
返回
A multiobject tracking method based on dynamic adaptation and collaborative enhancement
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07438-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标跟踪（MOT）在智能交通、安全和增强现实等领域至关重要。然而，当前跟踪方法通常难以应对不同姿态、相似外观或复杂运动模式的对象。更严重的情况是在拥挤场景中频繁遮挡导致跟踪丢失和准确性降低。为解决这些问题，我们提出了一种新的MOT方法，专注于动态适应和协同增强。该方法包含一个非线性自适应卡尔曼滤波器，用于调整对象状态以检测异常运动。我们还引入了一个非线性运动调整机制，优化捕捉对象动态的预测步骤。此外，我们开发了一个多维特征增强网络，通过跨尺度的外观增强探索累积来降低输入图像质量的影响。为解决遮挡引起的身份切换问题，我们创建了一个轨迹拼接网络，通过比较轨迹片段的空间-时间相似性并将它们合并以保持跟踪连续性。我们的方法在MOT17和MOT20基准测试中优于其他先进的跟踪方法。
Keyword:
Multiobject tracking
Dynamic adaptation
Collaborative enhancement
期刊
IF:
3.5
论文数:
7.5K
被引数:
1.7W