论文部分内容阅读
在线多目标跟踪作为计算机视觉和人工智能方面的一个研究热点,随着深度学习的发展取得了较大的进展;但是依然存在诸如复杂场景跟踪准确度低等亟待解决的问题;针对多目标跟踪研究中存在的行人特征信息较少、跟踪目标被遮挡等问题,提出了一种融合表观信息、轨迹历史信息和目标运动信息的多目标跟踪方法,通过专门设计的双分支网络结构和损失函数使模型在学习时将三种信息相互融合;改进相似性分数计算方法获得更多的特征信息,提取更为鲁棒的特征;多信息融合的多目标跟踪方法在计算方面开销较少,能够在测试时达到实时的效果;并且,通过相关