典型文献
基于改进的YOLOX-SORT算法公交客流实时检测方法
文献摘要：
为了精准统计公交客流量并部署在移动端,本文从4个方面对YOLOX-SORT算法进行改进对公交客流进行实时检测.即将SORT算法流程更改为卡尔曼滤波器预测,将预测结果与当前图像一同送入检测器检测、Kuhn-Munkres算法匹配、卡尔曼滤波器更新;将YOLOX的Focus结构替换为卷积核大小为2,步距为2的普通卷积层;将计算目标损失时的Sigmoid-BCELoss损失函数更换为FocalLoss损失函数;根据实际情况调整数据增强策略.实验结果表明,在自建数据集上使检测器精确率提高了 4.8％,在检测速度相当的情况下,多目标跟踪准确率(multiple object tracking accuracy,MOTA)指标比原YOLOX-SORT提高了 10.9％,部署在移动端后检测帧率比原方法提高了 1.2帧/s,达21帧/s,客流检测的平均精确率提高了 3.7％,达93.3％,证明改进后的算法满足现实需要.该研究具有一定的实际应用价值.
文献关键词：
YOLOX;公交客流检测;卡尔曼滤波器;Kuhn-Munkres
中图分类号：
作者姓名：
刘晓雷;张维忠;张宏峰
作者机构：
青岛大学计算机科学技术学院,山东青岛266071;青岛大学威海创新研究院,山东 威海264200;青岛点之云智能科技有限公司,山东 青岛266071
文献出处：
引用格式：
[1]刘晓雷;张维忠;张宏峰-.基于改进的YOLOX-SORT算法公交客流实时检测方法)[J].青岛大学学报（工程技术版）,2022(04):23-29
A类：
BCELoss,公交客流检测
B类：
YOLOX,SORT,实时检测,公交客流量,移动端,流进,更改,卡尔曼滤波器,一同,送入,检测器,Kuhn,Munkres,Focus,卷积核,步距,卷积层,Sigmoid,损失函数,FocalLoss,整数,数据增强策略,自建数据集,精确率,检测速度,多目标跟踪,multiple,object,tracking,accuracy,MOTA,帧率,现实需要
AB值：
0.340048
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。
