基于路侧摄像头的多目标跟踪算法优化设计

针对当前多目标追踪算法应对路侧交通场景的缺陷,提出一种基于路侧摄像头的多目标追踪算法。选择one-shot追踪算法路线,基于FairMOT设计神经网络,使单个网络同时生成目标检测结果与外观特征结果,增强实时性效果;采用新的数据关联方式,减少遮挡对追踪器的影响;引入新的运动相似度度量方式——缓冲交并比,弥补线性运动预测模型产生的误差;提出基于速度判别的丢失轨迹移除算法和基于历史位置匹配算法,实现长时间遮挡轨迹的身份恢复。在UA-DETRAC公开多目标追踪数据集上进行实验,验证该算法有效性。为证明该算法在真实路侧环境的适用性,在国家智能网联汽车（上海）试点示范区开放道路采集真实路侧场景数据。最后,将该算法和SORT、DeepSORT、ByteTrack、FairMOT算法在真实路侧场景数据上进行对比实验。实验结果表明,本算法在identification F-Score、ID switch、fragmentation、mostly tracked、mostly lost、multiple object tracking accuracy等评估指标上优于其他算法。