结合CNN和Bi-LSTM的多行人目标检测跟踪方法
作者：欧群雍; 谭同德; 袁红斌
更新时间：
为了提高多行人检测与跟踪的准确性和鲁棒性，提出了一种基于卷积神经网络（CNN）和双向短时记忆网络（bi-LSTM）的检测与跟踪方法。首先，训练alpine网络来度量两个检测和跟踪帧之间的相似度。然后，为了解决数据关联问题，将检测结果作为节点，结合相似度度量和亲密度构建lifted行人跟踪地图。最后，为了解决长期遮挡和身份错误问题，提高跟踪鲁棒性，提出了一种改进的Bi-LSTM网络来预测行人的非线性运动，利用目标运动信息来连接轨迹段。仿真结果表明，与其他先进方法相比，该方法具有更好的跟踪性能。在pets2009数据集和CAVIAR数据集上，大多数跟踪占比（MT）的数据分别为90.2%和79.1%，身份变化的数量较少。