王彩霞 林寿英

（福建农林大学机电工程学院,福建 福州 350000）

近年来，人工智能子领域的计算机视觉技术得到了较大的发展，而目标跟踪是其他高层任务，如动作识别、人群行为分析的基础。随着深度学习技术的迅速发展，多目标跟踪（Multiple Object Tracking，MOT）算法也能够充分挖掘并处理给定视频中的信息，由此得到的深度网络跟踪模型更加轻量、表达能力更好且鲁棒性强。在大数据时代背景下，各种基于深度学习的目标跟踪算法不断涌现，在多个领域的现实场景中被广泛应用，其发展前景广阔，具体研究及应用方式众多。

（1）智能视频监控：多目标跟踪在视频监控领域中的应用最为广泛，可对视频内感兴趣的目标进行自动识别、跟踪及更高层任务，其目标主要为行人，通过对给定视频或图片序列进行分析和理解，减少人为干预，最终自动提取所需要的关键信息[1]。智能视频监控具有效率高、产业价值大、应用前景广等特点。

（2）基于视频的非接触人机交互：是指通过摄像头或设备采集的视频实现用户与计算机之间的“交流”，可以对人的行为、声音、眼神等高级语义信息进行分析，进而完成目标跟踪[2-3]。

（3）智能交通：智能交通可对车辆进行识别与跟踪，自动获取车辆的流量、速度及道路的拥堵状况等信息；无人驾驶系统中，可利用摄像头或其他信息采集设备对周围环境和运动物体进行跟踪，在获取信息后进行更高语义任务[4]。

（4）智能养殖：对行人进行检测跟踪的同时，对动物进行检测跟踪，从而获取动物的运动信息，并分析出养殖物的健康状态，保障其健康生长，以提高经济效益，该技术在奶牛养殖、海洋动物、蜜蜂养殖等的检测跟踪上都有应用[5-7]。……