面向目标遮挡场景的车辆实时跟踪方法

对视频车辆进行实时准确跟踪,可以为智能化交通管控提供重要信息。然而,在一些复杂的行车环境中,车辆之间的遮挡现象会严重影响跟踪性能,因此,为实现在复杂交通背景下车辆的实时鲁棒跟踪,提出一种基于卡尔曼滤波与动态卷积的轻量级重识别车辆跟踪方法。实验结果显示:该跟踪方法在公开的UA-DETRAC车辆数据集上的MOTA达到80.25%,比现有基于ResNet的跟踪方法提高2.42%,IDSW显著减少10%,且优化后的跟踪速度较之前提升25%。研究结果表明,该跟踪方法具有一定的实时性和抗遮挡性。