来源：期刊VIP网 时间：
作者：吴江;李然;范利利;王宁;王客程;
单位：大连海洋大学信息工程学院;
摘要：鱼类跟踪是分析鱼类行为、评估其健康水平的关键步骤。然而，由于真实水下养殖鱼群具有运动非线性、高外观相似度、鱼体互相遮挡、特征信息损失严重等特点，多目标跟踪鱼类是一项非常具有挑战性的任务。针对水下鱼体反射产生的伪影以及鱼体运动非线性、相互遮挡导致跟踪轨迹碎片化的问题，提出一种水下多鱼跟踪模型DF-Track。该模型采用基于检测的跟踪（TBD）范式，首先在YOLOv8的C2f结构中引入聚合感知注意力机制（APFA），提高在前向过程中提取图像特征的能力；然后使用SDI多层次特征融合模块对YOLOv8中的feature fusion部分进行重设计，减少特征融合阶段不同层级特征信息的冲突问题；最后提出一种优化轨迹管理的跟踪模型DF-Track，并引入Focal-EIoU补偿匹配空间中的运动估计偏差，平衡几何一致性。实验结果表明：与原YOLOv8相比，所提算法的精确率提高了1.7%，平均精度均值提高了2.1%;DFTrack与其他MOT跟踪算法相比，HOTA达到70.9%,MOTA达到91.9%,IDF1达到80.4%。证明DF-Track模型在水下鱼类跟踪任务中具有较好的性能。
关键词：多目标跟踪;;水下鱼体;;DF-Track模型;;非线性运动;;几何一致性;;运动估计偏差补偿
基金资助：辽宁省教育厅科研项目（LJKZ0730）;; 中国医药教育协会2022重大科学攻关问题和医药技术难题重点课题（2022KTM036）
