23、智能车辆多目标跟踪与可靠性控制技术解析

智能车辆多目标跟踪与可靠性控制技术解析

1. 基于分割的多任务跟踪学习

在目标跟踪领域，分割掩码对目标跟踪性能的影响是一个重要的研究方向。相关实验结果展示了分割掩码对目标跟踪性能的具体影响。从各项指标来看，性能出现了明显的下降。具体而言，在 sMOTSA 指标方面，汽车和行人分别下降了 8.5 和 11.6，这表明跟踪性能出现了显著的下滑。

不过，值得注意的是，操作速度却有轻微的提升，从 29.5 fps 提高到了 30.1 fps。这一提升主要归因于逻辑与运算的计算效率较高，其消耗的处理时间较少。性能下降主要有两个原因：一是背景信息被融入到嵌入向量中；二是由于对象重叠，边界框可能会包含不相关的对象，从而导致对象关联不准确。汽车和行人性能下降程度的差异表明，分割掩码主要有利于跟踪具有较大变形的复杂对象，这与 PointTrack 的结论相符。

以下是相关性能变化的表格：
| 对象类型 | sMOTSA 变化 | 操作速度变化（fps） |
| ---- | ---- | ---- |
| 汽车 | -8.5 | 从 29.5 提升到 30.1 |
| 行人 | -11.6 | 从 29.5 提升到 30.1 |

为了更清晰地展示基于分割的多任务跟踪流程，我们给出如下 mermaid 流程图：

graph LR
    A[输入视频序列] --> B[一阶段实例分割轻量级模型]
    B --> C[生成边界框和分割掩码]
    C --> D[跟踪解码器]
    D --> E[生成嵌入向量]
    E -