用于自动驾驶车辆的融合注意力机制多目标跟踪算法

摘要

为提高自动驾驶车辆的跟踪准确性,建立了一种融合注意力机制的多目标跟踪算法.基于YOLOv3神经网络并融合注意力机制,增强了目标外观特征提取网络的性能.用该多目标检测算法,提取目标或背景的具有辨别性的特征.用长短时记忆(LSTM)网络,提取物体的运动特征.用该跟踪算法对目标轨迹进行动态建模.借助追踪目标的相似度数值和数据匹配关联,完成了多目标的跟踪任务.在多目标跟踪数据集MOT16上进行了实验.结果表明:与YOLOv3相比,考虑注意力机制的多目标检测算法的成功率提高了1.9％;该算法的准确度53.9％,精确度79.0％;因而,本算法实现了对目标的稳定跟踪.