Heterogeneous graph network for online multiple object tracking

doi:10.1016/j.knosys.2025.114072

Heterogeneous graph network for online multiple object tracking

2025-07-09

0

PRE

AI

DOI：10.1016/j.knosys.2025.114072

原文链接

原文求助

摘要

En 中文

在多目标跟踪（MOT）中，目标交互和密集场景中的遮挡会增加相似目标的身份切换风险。为了克服这些挑战，使用高阶语义关系可以准确捕捉复杂的目标交互，并有助于在复杂环境中区分相似目标。然而，由于语义线索的异构性，传统方法难以将此类线索高效地整合到统一框架中，这限制了高阶语义关系的有效获取，并影响跟踪的稳定性和准确性。为解决这些问题，本文将MOT问题转化为求解异构二分图中节点关系的任务，并提出了一种异构图网络（HGN）模型用于捕捉高阶语义关系。与其他方法相比，该模型的优势在于通过在异构二分图中构建不同的语义边，将异构线索整合到模型中。为进一步提高跟踪效率，引入了潜轨迹生成（LTG）模块，用于预测和识别目标的潜轨迹，以加速HGN求解过程。实验结果表明，该模型在MOTchallenge和DanceTrack数据集上提高了多目标跟踪准确率（MOTA）1–4%，且对处理速度影响最小。为方便阅读，本文在表1中总结了部分关键术语。

Keyword:

Multiple Object Tracking

higher-order semantic relations

heterogeneous bipartite graph

Latent Trajectory Generation

tracking accuracy

Heterogeneous graph network for online multiple object tracking

摘要

期刊

机构

引用论文