典型文献
基于改进YOLO和DeepSORT的实时多目标跟踪算法
文献摘要：
针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和DeepSORT的实时多目标跟踪算法.在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结构以降低对小目标的漏检率;利用改进的GC注意力模块,加强网络对全局上下文特征的提取能力.跟踪部分使用DeepSORT算法,使用匀加速卡尔曼滤波优化其行人运动模型,利用浅层分类网络重构其外观模型,最后在MOT16测试序列中实验.结果表明,改进算法的总参数量为4.2 M,较原算法减少52％且MOTA增加5.2％,GPU下处理时间加快,单CPU时能达到平均每秒11帧的跟踪速度,能满足低算力设备对跟踪任务精度和速度的要求.
文献关键词：
图像处理;多目标跟踪;YOLO v4-Tiny;DeepSORT;深度可分离卷积
中图分类号：
作者姓名：
黄凯文;凌六一;王成军;吴起;李学松
作者机构：
安徽理工大学电气与信息工程学院 淮南232001;安徽理工大学人工智能学院 淮南232001
文献出处：
引用格式：
[1]黄凯文;凌六一;王成军;吴起;李学松-.基于改进YOLO和DeepSORT的实时多目标跟踪算法)[J].电子测量技术,2022(06):7-13
A类：
B类：
DeepSORT,多目标跟踪算法,两步,算法模型,模型结构,YOLOv4,Tiny,深度可分离卷积,压缩模型,计算量,多尺度特征融合,小目标,漏检率,注意力模块,全局上下文,上下文特征,特征的提取,加速卡,卡尔曼滤波,滤波优化,运动模型,分类网络,网络重构,其外,外观模型,MOT16,测试序列,改进算法,总参,参数量,MOTA,GPU,下处,处理时间,CPU,每秒,算力
AB值：
0.396198
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。
