雷达学报

作者：陈辉, 杜双燕, 连峰, 韩崇昭

单位：1.兰州理工大学电气工程与信息工程学院 兰州 730050；2.西安交通大学自动化科学与工程学院 西安 710049；

关键词：多目标跟踪, 数据关联, Transformer, 长时跟踪, 注意力机制

基金：国家自然科学基金(62163023, 61873116, 62363023, 62366031)，2024年甘肃省重点人才项目资助

针对复杂环境中多目标跟踪数据关联难度大、难以实现目标长时间稳定跟踪的问题，该文创新性地提出了一种基于Transformer网络的端到端多目标跟踪模型Track-MT3。首先，引入了检测查询和跟踪查询机制，隐式地执行量测-目标的数据关联并且实现了目标的状态估计任务。然后，采用跨帧目标对齐策略增强跟踪轨迹的时间连续性。同时，设计了查询变换与时间特征编码模块强化目标运动建模能力。最后，在模型训练中采用了集体平均损失函数，实现了模型性能的全局优化。通过构造多种复杂的多目标跟踪场景，并利用多重性能指标进行评估，Track-MT3展现了优于MT3等基线方法的长时跟踪性能，与JPDA和MHT方法相比整体性能分别提高了6%和20%，能够有效挖掘时序信息，在复杂动态环境下实现稳定、鲁棒的多目标跟踪。

来源：2024年第6期

《雷达学报》期刊编辑部

查看雷达学报杂志2024年第6期