行人时空图特征模型的多目标跟踪方法.pdfVIP

２０２５年第３９卷第４期

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．３９Ｎｏ．４２０２５

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２５．０４．０１７

行人时空图特征模型的多目标跟踪方法

１１１２

冯欣，孙谊，焦晓宁，张杰

（１．重庆理工大学计算机科学与工程学院，重庆４０００５４；

２．重庆理工大学电气与电子工程学院，重庆４０００５４）

摘要：针对计算机视觉领域中多目标跟踪任务，特别是行人因外观相似导致的身份ＩＤ频繁切换问题，提出一种新

的行人时空图特征模型。通过构建帧间行人对象图和帧内行人对象图，整合了跨帧和同帧目标间的动态关系。引

入图Ｔｒａｎｓｆｏｒｍｅｒ来提取这些图中的特征，并设计了前后帧目标边缘关系增强模块促进信息的跨帧传递与融合。提

出一种优化的轨迹特征更新策略，不仅考虑目标外观特征的余弦相似性，还考虑特征向量模变化，以更全面地评估

目标特征的一致性，尤其是在目标形状、大小或强度变化显著的情况下。通过这些方法，模型能更好地适应目标状

态变化，减少跟踪过程中的错误匹配，提升多目标跟踪的准确性和稳定性。实验结果表明：所提算法在ＭＯＴ１６与

ＭＯＴ１７数据集上的应用显著增强了行人目标特征的区分性，提高了多目标跟踪任务的精度。

关键词：计算机视觉；多目标跟踪；图Ｔｒａｎｓｆｏｒｍｅｒ；对象图

中图分类号：ＴＰ３９１．４文献标识码：Ａ文章编号：１６７４－８４２５（２０２５）０４－０１３０－０９

交叉等），需要更复杂的模型和技术来精细建模目标之间的

６－８］尝试通过图神经网络（ＧＮＮ）来改进

０引言动态关系。文献［

多目标跟踪中目标间相互关系的建模，利用其在处理图结构

多目标跟踪（ｍｕｌｔｉｏｂｊｅｃｔｔｒａｃｋｉｎｇ，ＭＯＴ）是计算机视觉数据上的优势，有效捕捉不同时间步目标之间的动态交互；

［１］

研究中的重要内容，专注于在视频序列或多帧图像中同时通过将检测到的目标表示为图中的节点，并根据它们之间的

追踪多个动态目标。这一技术旨在为每一个独立的目标分时空关系构建边，促进了跨帧的信息传递与融合。

配一个唯一的标识符（ＩＤ），并连续地预测和更新每个目标的虽然上述模型提升了多目标跟踪任务的精度，但其研究

位置，形成完整的运动轨迹，即使这些目标可能相互重叠、分重点集中在对跨帧关系进行建模，忽略了同帧内部目标间的

开、出现或消失。早期的多目标跟踪（ＭＯＴ）研究［２－５］主要致直接相互作用。为充分考虑帧间和帧内目标的关系，本研究

力于通过整合历史帧信息来改善当前帧中目标特征的表征，在端到端的多目标跟踪框架下，提出了一种基于行人时空图

以此来减轻行人ＩＤ频繁切换的问题。这些方法将历史帧和特征模型的多目标跟踪方法。通过连续帧之间目标的关系

当前帧共同输入到卷积神经网络（ＣＮＮ）中进行训练，有效增构建帧间的行人对象图，通过同帧内目标关系构建帧内行人

强了对当前帧中目标的辨识能力。对象图。综合利用这２种关