计算机工程与应用

作者：金涛, 钱贝宁

单位：甘肃政法大学 人工智能学院，兰州 730070；

关键词：多目标跟踪,交叉注意力机制,多特征融合

基金：国家自然科学基金（62067006）；甘肃省教育厅高校教师创新基金（2026A-133）；兰州市人才创新创业项目（2020-RC-10）；甘肃省高校科研创新平台重大培训项目（2024CXPT-17）。

为解决复杂动态场景下多目标跟踪中因遮挡和外观相似性导致的身份跳变问题，提出一种基于轻量化交叉注意力模块的多特征融合跟踪框架。设计属性特征和外观特征的提取模块，通过交叉注意力机制的自适应权重分配实现不同特征之间的动态融合，结合融合后的特征与运动信息进行级联匹配，达到平衡外观、语义特征与运动特征的最优目标跟踪，提高了目标的可区分度和目标跟踪匹配的鲁棒性。对模型进行轻量化设计，在冻结预训练骨干网络的基础上，采用低秩分解与动态剪枝策略，压缩模型参数量，降低计算复杂度。将交叉熵损失、三元组损失与KL散度分布对齐损失加权融合，实现多任务联合优化，加速模型收敛，提高算法性能。实验结果表明，该方法在MOT16与MOT17数据集上的MOTA指标达到76.9%与74.7%，较DeepSORT提高了6.7个百分点与4.9个百分点，IDF1指标提升4.0个百分点和6.4个百分点，在遮挡率超50%的场景下身份切换次数降低了37.3%，实时跟踪速度可达85 FPS。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期