复杂环境下视觉检测跟踪一体化算法及应用研究.pdf

摘要

摘要

目标跟踪技术作为当今计算机视觉研究的关键领域，在人工智能和大数据应

用中占据了举足轻重的地位。然而，在实际应用环境中处理目标跟踪任务时，时

常会遭遇诸如光照不足、遮挡等各种不可预见的复杂因素，这些因素均会对目标

跟踪算法的性能产生负面影响。因此，如何在复杂条件下进一步提升目标跟踪算

法的性能表现，仍是当前研究急需解决的关键课题。本文将深入研究复杂场景下

的检测跟踪一体化算法，重点解决几个复杂场景下的目标跟踪问题。

1

本文主要工作及创新如下：（）本文提出一种参数化对齐解耦头和特征融合

的检测算法PAD-FDA，旨在解决分类和回归任务的错位问题，加强检测头中分类

和回归任务的学习。特征融合模块通过加权特征的融合，学习不同的输入特征，

并对不同的特征进行差分融合，通过有效技术手段强化了对小目标的检测能力。

具体而言，在算法中融入了双重注意力机制，加强目标检测算法筛选有意义信息

的能力，以提高对象检测准确性。（2）本文提出了一种基于数据二次匹配的检测

跟踪一体化算法IAD-TDSM，旨在匹配遮挡导致的置信阈值较低的检测框。

IAD-TDSM算法检测部分使用第三章提出的检测算法PAD-FDA，以提升跟踪算法

的检测性能。然后基于行人的运动特性，改进传统的卡尔曼滤波，将非线性运动

的目标转变为线性运动的目标再进行预测，提高预测的准确性。提出了改进损失

函数的方法，通过更好地判断检测框与预测框的关系辅助跟踪。（3）本文以

IAD-TDSM算法为基础，设计并实现了拥挤预警系统，联合监控输入模块、目标

检测跟踪模块、逻辑决策单元模块和预警发布模块，对潜在拥挤事件预警。

本文所提出的算法IAD-TDSM在MOT16数据集上改进后算法的与原算法相

比MOTA高出2.4%，IDF1提升了1.5%，MT提升了2.6%，ML提升了1.5%，ID

102MOT17MOTA

切换次数也减少了次。在数据集上改进后的算法与原算法相比

提高了0.6%，IDF1提高了0.4%，MT提高了1.6%，ML提高了0.5%，ID切换次

数也有明显的降低。

关键词：目标跟踪，检测跟踪一体化，无锚框

1

ABSTRACT

ABSTRACT

Targettrackingtechnology,asapivotaldomainincontemporarycomputervision

research,holdsaparamountpositioninartificialintelligenceandbigdataapplications.

Nevertheless,whentacklingtargettrackingtasksinreal-worldscenarios,unpredictable

complexitiessuchasinadequateilluminationandocclusionfrequentlyarise,allof

whichcannegativelyimpacttheperformanceoftrackingalgorithms.Thus,enhancing

theperformanceoftargettrackingalgorithmsundercomplicatedconditionsremainsa

crucialchallengeforongoingresearch.Thispaperdelvesintointegrateddetectionand

trackingalgorithmstailoredforcomplexscenarios,witha