基于空间特征融合的车辆跟踪算法研究

跟踪技术是自动驾驶领域非常重要的一种技术。为解决复杂场景下跟踪行驶车辆时产生的目标形变、外观相似等问题,提出了一种结合注意力机制与多层特征融合的多目标跟踪算法。该算法采用ResNe作为主干网络,在特征提取过程中采用特征金字塔网络结构来融合不同网络层级的目标特征。通过在主干网络中添加Coordinate Attention注意力模块来获得更加准确的位置信息,同时在特征金字塔层中使用可变形卷积来适应目标形变的特征提取。在公开数据集UA-DETRAC上进行的对比实验结果表明,改进算法在UA-DETRAC测试集上的多目标跟踪准确率为67.03%,比原ResFPN主干网络提高了4.91%,且跟踪速度为35.87 f/s,能够满足视频帧实时处理的速度需求。因此所提算法具有较好的跟踪效果和实时性。