融合关系网络的Tracktor++多目标跟踪算法

为了提升Tracktor++在多目标跟踪中的性能，提出了一种改进的多目标跟踪方法，即关系网Tracktor++(RN-Tracktor++)，它在Tracktor++中引入关系网络进行目标关联。对于给定的视频序列，首先通过FRCNN-FPN(Faster Region Convolutional Neural Network-Feature Pyramid Network)检测器的回归分支从前一帧中的目标框预测得到它们在当前帧的位置，然后通过关系网络将它们与已有轨迹进行关联，从而得到每个特定目标的运动轨迹。在MOT17、MOT20及降采样的PETS(Performance Evaluation of Tracking and Surveillance)数据集上的实验结果表明，所提出的方法实现了更好的跟踪性能，特别是在降采样的PETS数据集上，与Tracktor++相比，MOTA(Multiple Object Tracking Accuracy)精度提高了1.6%，证明了关系网络用于目标关联可提高跟踪性能。