典型文献
基于YOLOv5和重识别的行人多目标跟踪方法
文献摘要：
针对目前遵循基于检测的多目标跟踪范式存在的不足,本文以DeepSort为基础算法展开研究,以解决跟踪过程中因遮挡导致的目标ID频繁切换的问题.首先改进外观模型,将原始的宽残差网络更换为ResNeXt网络,在主干网络上引入卷积注意力机制,构造新的行人重识别网络,使模型更关注目标关键信息,提取更有效的特征;然后采用YOLOv5作为检测算法,加入检测层使得模型适应不同尺寸的目标,并在主干网络加入坐标注意力机制,进一步提升检测模型精度.在MOT16数据集上进行多目标跟踪实验,多目标跟踪准确率达到66.2％,多目标跟踪精确率达到80.8％,并满足实时跟踪的要求.
文献关键词：
多目标跟踪;行人重识别;YOLOv5;注意力机制;深度学习
中图分类号：
作者姓名：
贺愉婷;车进;吴金蔓
作者机构：
宁夏大学物理与电子电气工程学院,宁夏银川750021;宁夏沙漠信息智能感知重点实验室,宁夏银川750021
文献出处：
引用格式：
[1]贺愉婷;车进;吴金蔓-.基于YOLOv5和重识别的行人多目标跟踪方法)[J].液晶与显示,2022(07):880-890
A类：
B类：
YOLOv5,多目标跟踪,跟踪方法,DeepSort,算法展开,遮挡,ID,外观模型,残差网络,ResNeXt,主干网络,卷积注意力机制,行人重识别,识别网络,注目,关键信息,检测算法,检测层,不同尺寸,坐标注意力机制,检测模型,模型精度,MOT16,精确率,实时跟踪
AB值：
0.374519
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。
