多目标跟踪是一项颇具挑战的计算机视觉任务,近年来的多目标跟踪算法多以基于检测的跟踪结构为主,帧与帧之间的检测是独立的,失去了帧间的时序信息并造成性能的浪费,每帧的冗余检测导致算法无法在拥挤场景下达到实时的性能。Transformer具备对序列任务的建模能力,而现阶段基于Transformer的多目标跟踪器,混淆了旧目标跟踪与新目标检测这两种矛盾的方向,导致跟踪精准度准确度均低于基于检测的跟踪。针对上述问题,本文提出了Transformer双分支结构的多目标跟踪算法,融合时空特征并加入热力图。实验验证了本文算法的有效性。本文具体工作如下:首先,本文在Transformer基础上建立Transformer双分支结构的多目标跟踪基本模型,使用更新分支跟踪上一帧存在的旧目标,使用探测分支检测当前帧出现的新目标,解决了基于Transformer的跟踪结构混淆了旧目标跟踪与新目标检测的问题。然后,根据现阶段模型没有保留跟踪中的历史帧信息,缺乏时空建模的问题,本文加入了时空特征融合模块,并使用通道注意力机制对历史帧特征图与当前帧特征图加权融合形成时空特征图,并在跟踪过程中将时空特征图保留至下一帧中继续使用。同时,为增强模型的鲁棒性,使模型具备从误检和漏检中恢复的能力,本文在图像输入阶段加入了热力图,使当前帧的图像输入额外增加了两层热力图维度,这样模型的注意力模块就增加了关注的先验分布,使得模型精度大幅提升。最后,为了验证本文算法各个模块的有效性,本文进行了消融实验,实验结果表明,本文所添加的各个模块均能发挥至关重要的作用。本文在与其他算法进行了可视化对比,结果直观地显示了本文算法的优越性。同时与多种多目标跟踪算法进行了量化对比,在MOT20数据集上的结果表明本文算法在拥挤场景下的有效性和实时性,在MOT17数据集上的量化对比结果表明本文在一般场景亦具备优秀的性能。