PCASort：融合粒子滤波和注意力机制的鱼类跟踪算法

打开文本图片集

摘  要： 在鱼类多目标跟踪中，由于鱼类类内大多具有相似的外观，个体之间特征差异不明显，导致基于外观特征进行数据关联的鱼类跟踪算法具有精度低和鲁棒性差等问题。针对这一问题，文中提出一种基于DeepSort改进的鱼类多目标跟踪算法PCASort。鱼类的运动轨迹可能由于外界的扰动而呈现出非线性特性，采用适用于非线性和非高斯问题的粒子滤波替换原有的卡尔曼滤波方法，可提高轨迹预测的准确率；在原有的特征提取网络中加入改进的坐标注意力机制，将位置信息嵌入到生成的用于进行最小余弦距离计算的特征向量中，可提高数据关联的正确率。（剩余7115字）