基于MF-DeepSORT的交通多目标跟踪

针对交通场景中的多目标跟踪任务，为了提高跟踪算法的跟踪精度，在DeepSORT算法的基础上提出了一种改进的MF-DeepSORT算法。相比于DeepSORT跟踪算法，MF-DeepSORT是一种基于多特征(Multi Feature, MF)融合的目标跟踪算法，相对于仅使用传统的卷积特征，MF-DeepSORT将HOG特征引入到跟踪算法中，进而提高目标外观的表征能力，并引入了基于交并比(Intersection over Union, IOU)的运动距离度量，从而提高跟踪匹配的准确性。同时构建了交通场景多目标跟踪数据集Car-MOT,用于衡量算法在交通多目标跟踪任务的跟踪性能。实验结果表明，所提出的MF-DeepSORT在Car-MOT上相比DeepSORT,MOTA指标提高了4.839%,达到了62.017%,同时跟踪ID切换从34次降到2次，表明MF-DeepSORT在交通多目标数据集的跟踪性能优于DeepSORT算法，是一种高效的交通多目标跟踪算法。