典型文献
无人机视角下的多车辆跟踪算法研究
文献摘要：
针对无人机视频中存在目标密集、运动噪声强而导致跟踪性能显著下降的问题,提出了一种改进YOLOv3的车辆检测算法及一种基于深度度量学习的多车辆跟踪算法.针对车辆检测的精度与实时性问题,采用深度可分离卷积网络MobileNetv3作为特征提取网络实现网络结构轻量化,同时采用CIoU Loss作为边框损失函数对网络进行训练.为了在多目标跟踪过程中提取到更具判别力的深度特征,提出了一种基于深度度量学习的多车辆跟踪算法,实验证明,本文提出的算法有效改善车辆ID跳变问题,速度上满足无人机交通视频下车辆跟踪的实时性要求,达到17f/s.
文献关键词：
车辆检测;目标跟踪;无人机视频;特征提取;轻量级网络;深度特征;损失函数;深度度量学习
中图分类号：
作者姓名：
胡硕;王洁;孙妍;周思恩;姚美玉
作者机构：
燕山大学电气工程学院,河北秦皇岛066004
文献出处：
引用格式：
[1]胡硕;王洁;孙妍;周思恩;姚美玉-.无人机视角下的多车辆跟踪算法研究)[J].智能系统学报,2022(04):798-805
A类：
17f
B类：
车辆跟踪,跟踪算法,算法研究,无人机视频,声强,跟踪性能,YOLOv3,车辆检测,检测算法,深度度量学习,深度可分离卷积,卷积网络,MobileNetv3,特征提取网络,结构轻量化,CIoU,Loss,边框损失函数,多目标跟踪,取到,深度特征,ID,跳变,交通视频,下车,轻量级网络
AB值：
0.334227
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
