.png){kind=icon}
返回
Pedestrian multi-object tracking combining appearance and spatial characteristics
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126772.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
行人多目标跟踪算法在提升公共安全、优化交通流和智慧城市管理方面发挥着关键作用。然而，现有算法在遮挡场景中常出现身份混淆问题，导致跟踪失败。为解决此问题，本文提出ASTrack算法，该算法结合外观和空间特征，在遮挡场景中实现稳定跟踪。ASTrack采用可变形卷积以更好地提取行人外观特征，并通过将高度信息融入空间特征，增强其在遮挡场景中区分行人的能力。该算法还采用自适应关联策略，根据遮挡程度动态调整外观与空间特征的平衡，从而提升跟踪性能。所提算法在多样化的遮挡场景（包括不同光照条件和相机角度）中进行评估，在MOT20数据集上达到79.3%的跟踪准确率，身份切换次数较基线减少了314次，降至909次。这些结果表明，ASTrack显著提升了遮挡场景下行人多目标跟踪算法的鲁棒性。
Keyword:
Pedestrian multi-object tracking
Occlusion scenarios
Deformable convolution
Height Iou
Adaptive association strategy
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
Visual multi-object tracking with re-identification and occlusion handling using labeled random finite sets使用标记的随机有限集进行重新识别和遮挡处理的视觉多目标跟踪.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Pedestrian detection using RetinaNet with multi-branch structure and double pooling attention mechanism基于多分支结构和双池化注意机制的RetinaNet行人检测
PREAI
分享收藏More Efficient Encoder: Boosting Transformer-Based Multi-object Tracking Performance Through YOLOX更高效的编码器：通过YOLOX提升基于Transformer的多目标跟踪性能
PREAI
分享收藏An improved deep learning-based optimal object detection system from images一种改进的基于深度学习的图像最优目标检测系统
OAAI
OAAI分享收藏FairMOT: On the Fairness of Detection and Re-identification in Multiple Object TrackingFairMOT: 关于多目标跟踪中检测和重新识别的公平性
PREAI
分享收藏Deep Efficient Data Association for Multi-Object Tracking: Augmented with SSIM-Based Ambiguity Elimination多目标跟踪中的深度高效数据关联：基于SSIM的歧义消除增强OAAI
OAAI分享收藏
查看更多内容