马 利 陈诗煊 牛 斌

(辽宁大学 信息学院，辽宁 沈阳 110036)

0 引言

多目标跟踪旨在预测视频序列中多个跟踪目标的轨迹，被广泛应用在辅助驾驶、智能交通等领域.对车辆目标进行跟踪，不仅能有效辅助驾驶员规避前方危险情况，而且对于智能交通的车流量调控及异常事件处理有着深远的意义.目前主流的多目标跟踪算法，被分为两大类：第一类，采用先检测后关联的两阶范式.这类算法在跟踪准确率上有不俗的表现，但在跟踪效率上不能满足需求.第二类，把多目标跟踪视作目标的检测和重识别任务，在单个联合模型中联合目标检测和学习Re-ID特征，一次性解决目标跟踪.由于使用单个网络，这类算法效率较高，但准确率低于两阶段范式算法.

按照传统的按检测跟踪(tracking-by-detection)[1]的思想，现有的联合模型算法都是对检测器网络添加重识别(Re-ID)特征嵌入分支方式实现的，其骨干网络采用了对检测更适合的基于Anchor的检测方法，并使用了大步长的下采样率提高效率，较少考虑检测器网络学习Re-ID特征的效果.Zhou等[2]提出了一种Anchor-Free的检测器模型，实现了不基于Anchor的关键点目标检测方法.受其启示，本文提出一种Anchor-Free的联合模型车辆多目标跟踪算法，把Anchor-Free的深度特征融合网络[3]引入联合模型，在小步长下采样率的网络结构中提取目标的特征图，减小量化误差.在网络上采样过程中引入最新的可变卷积[4]，提高对不同尺寸目标的适应能力.以多个头部的方式并行实现目……