基于时空混合注意力网络的端到端多目标跟踪模型

《Journal of Systems Engineering and Electronics》：STHA-Net: Radar multi-target tracking via spatio-temporal hybrid attention

　　摘要：为了解决机动目标建模以及在多目标场景下实现稳定跟踪的挑战，本文提出了一种时空混合注意力网络（STHA-Net），这是一种基于Transformer架构的端到端多目标跟踪模型。STHA-Net引入了STHA机制，用于捕获目标运动的时序连续性并刻画目标间的相互作用，从而增强运动建模能力。此外，采用动态门控融合机制自适应地平衡时序注意力头和空间注意力头，充分利用各自的优势。这一设计使模型在各种动态场景下仍能保持较高的跟踪精度。在复杂多目标跟踪环境中的大量实验表明，STHA-Net优于基线方法，与Transformer方法和基于注意力的双向长短时记忆方法相比，跟踪误差分别降低了12.98%和20.51%。此外，与传统滤波算法相比，STHA-Net在跟踪精度上分别提升了54.43%和51.43%。