模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (5): 385-397    DOI: 10.16451/j.cnki.issn1003-6059.202105001
“视觉目标检测、判别与跟踪”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
融合人群密度的自适应深度多目标跟踪算法
刘金文1,2,3, 任卫红4, 田建东1,2
1.中国科学院沈阳自动化研究所 机器人学研究室 沈阳 110169;
2.中国科学院机器人与智能制造创新研究院 沈阳 110169;
3.中国科学院大学 计算机科学与技术学院 北京 100049;
4.哈尔滨工业大学(深圳) 机电工程与自动化学院 深圳 518055
Adaptive Deep Multi-object Tracking Algorithm Fusing Crowd Density
LIU Jinwen1,2,3, REN Weihong4, TIAN Jiandong1,2
1. Robotics Laboratory, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110169;
2. Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169;
3. School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing 100049;
4. School of Mechanical Engineering and Automation, Harbin Institute of Technology(Shenzhen), Shenzhen 518055

全文: PDF (8530 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 多目标跟踪技术不能较好地解决目标严重遮挡场景下的多目标跟踪问题,因此文中提出融合人群密度的自适应深度多目标跟踪算法.首先,融合人群密度图和目标检测结果,利用人群密度图的位置和计数信息修正检测器结果,消除漏检、误检.然后,使用自适应三元组损失改进行人重识别模型的损失函数,提高对重识别特征的辨别能力.最后,使用外观和运动信息进行目标关联,得到最终的跟踪结果.实验验证文中算法可有效解决目标严重遮挡场景下的多目标跟踪问题.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘金文
任卫红
田建东
关键词 多目标跟踪人群密度图行人重识别三元组损失    
Abstract:Multi-object tracking technology cannot well solve the problem of multi-object tracking in the scenarios with objects severely occluded, and therefore an adaptive deep multi-object tracking algorithm fusing crowd density is proposed. Firstly, the crowd density maps and object detection results are fused, and the location and the count information of crowd density maps are utilized to correct the detector results to eliminate missing and false detections. Then, adaptive triplet loss is employed to improve the loss function of the re-identification model and thus the discrimination of the algorithm for the re-identification feature is enhanced. Finally, final tracking results are obtained using the appearance and motion information for objects association. It is verified through the experiments that the proposed algorithm effectively solves the problem of multi-object tracking in severely occluded scenes.
Key wordsMulti-object Tracking    Crowd Density Map    Person Re-identification    Triplet Loss   
收稿日期: 2021-01-11     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.U2013210, 61821005)
通讯作者: 田建东,博士,研究员,主要研究方向为模式识别、机器人视觉.E-mail:tianjd@sia.cn.   
作者简介: 刘金文,硕士研究生,主要研究方向为图像处理、目标跟踪.E-mail:liujinwen@sia.cn.任卫红,博士,助理教授,主要研究方向为图像处理、模式识别.E-mail:renweihong@hit.edu.cn.
引用本文:   
刘金文, 任卫红, 田建东. 融合人群密度的自适应深度多目标跟踪算法[J]. 模式识别与人工智能, 2021, 34(5): 385-397. LIU Jinwen, REN Weihong, TIAN Jiandong. Adaptive Deep Multi-object Tracking Algorithm Fusing Crowd Density. , 2021, 34(5): 385-397.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202105001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I5/385
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn