基于双匹配注意力网络的在线多目标跟踪

在本文中，我们提出了一种在线多目标跟踪（MOT）方法，该方法在一个统一的框架中整合了单目标跟踪和数据关联方法的优点，以处理检测中的噪声和目标之间的频繁交互。具体而言，为了将单目标跟踪应用于MOT，我们基于最先进的视觉跟踪器引入了一种成本敏感的跟踪损失函数，该函数鼓励模型在在线学习过程中关注困难的负样本干扰物。对于数据关联部分，我们提出了具有空间和时间注意力机制的双匹配注意力网络（DMAN）。空间注意力模块生成双重注意力图，使网络能够专注于输入图像对的匹配模式；而时间注意力模块则自适应地为轨迹片段中的不同样本分配不同程度的注意力，以抑制噪声观测。实验结果表明，在MOT基准数据集上，所提出的算法在身份保持度量方面优于现有的在线和离线跟踪器。