新框架提升全遮挡与长期遮挡下的目标追踪性能
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对实时多目标追踪在遮挡场景下的脆弱性，该研究提出一种抗遮挡框架。该方案整合了 YOLOv11n 目标检测、卡尔曼滤波运动预测以及遮挡感知的外观重识别技术，涵盖检测、遮挡期间位置估算及重现后身份恢复三个阶段。在对比测试中，基于遮挡感知掩码网络（OAMN）的配置表现最佳。在公共 OVIS 数据集上，该框架的多目标追踪准确率（MOTA）较 OccluTrack 提升 18.1%，身份 F1 分数（IDF1）提升 25.1%，身份切换次数减少 12.8%。在模拟战场环境的自定义军事数据集上，其 MOTA 达 0.734，IDF1 达 0.729。
为什么值得看
解决了长期全遮挡导致的追踪中断问题，在军事监控场景指标显著提升。
数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。