.png){kind=icon}
返回
Efficient real-time multi-object tracking algorithm for complex scenarios
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04748-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于ByteTrack的增强型多目标跟踪（MOT）框架，在效率和性能上实现双重提升，同时显著增强算法在复杂场景下的鲁棒性和实时性。在初始匹配阶段，我们整合了一个采用Vmamba骨干网络的表观特征匹配分支，以缓解因显著外观变化导致的遮挡引起的检测失败。同时，我们引入了一种计算优化的表观特征提取方法，以减少冗余计算开销并提高资源利用率。全面的评估结果表明，该框架在高密度场景中具有有效性，在多目标跟踪挑战赛2017（MOT17）测试集上达到了80.9%的多目标跟踪准确率（MOTA）、79.6%的ID F1分数（IDF1）和64.4%的高阶跟踪准确率（HOTA），同时保持26.6 FPS的实时处理能力。所提出的方法在MOT20（多目标跟踪挑战赛2020）基准测试中也表现出更优的性能，特别是在严重遮挡场景下保持身份一致性方面。
Keyword:
Mot
Feature fusion
Computer vision
Vmamba
期刊
IF:
2.1
论文数:
908
被引数:
4.7K
机构
暂无机构信息
引用论文
.png){kind=icon}
Learning Generalisable Omni-Scale Representations for Person Re-Identification学习广义的全方位表示以进行人员重新识别
OAAI
OAAI分享收藏
查看更多内容