复杂场景的多尺度ReID网络与双域联合度量的目标跟踪方法

本发明公开了一种复杂场景的多尺度ReID网络与双域联合度量的目标跟踪方法，包括以下步骤：S1：目标检测模型YOLOv5的构建与训练；S2：设计融合深度可分离卷积与空间金字塔通道注意力机制的改进型ReID网络IncepSPA‑DSC；S3：构建DeepTrack‑SPAE跟踪框架；本发明通过构建多尺度特征融合机制与注意力增强模块，在维持实时处理速度的前提下，生成具有强判别性的抗干扰特征向量，显著提升网络对局部特征和全局上下文信息的协同捕捉能力。创新性地提出空间‑特征双域联合度量方法，通过建立融合欧氏距离约束的特征相似度矩阵，在代价计算中同时考量目标的空间邻近性和特征一致性，有效解决短时遮挡导致的轨迹断裂问题。