典型文献
基于深度学习和特征信息关联的多行人目标跟踪算法
文献摘要：
多行人目标跟踪是智能安防监控系统的关键技术之一,其跟踪准确度的高低直接关系到监控系统的效果.针对复杂监控场景下多行人目标跟踪困难的问题,提出了一种YOLO v3网络模型与SORT跟踪算法相结合的鲁棒跟踪方法.通过简化网络模型输出以提高模型效率,对YOLO v3模型针对行人检测数据集进行重新训练.为了避免因长时间遮挡导致的目标跟踪失败,设计行人重识别网络(Re-ID)来提取目标表征特征,并通过计算特征向量的余弦距离来判别帧间行人目标的关联程度.实验结果表明,文中设计的改进YOLO v3检测器使行人检测率有明显的提高,提出的行人目标跟踪算法有效提高了跟踪效果,在MOT16数据集上的跟踪准确率和跟踪精准率相比于SORT算法分别提高了15.72％和3.14％.
文献关键词：
多行人跟踪;YOLO v3模型;目标检测;Re-ID网络;特征信息关联
中图分类号：
作者姓名：
潘继财
作者机构：
中国科学技术信息研究所,北京100038
文献出处：
引用格式：
[1]潘继财-.基于深度学习和特征信息关联的多行人目标跟踪算法)[J].电子设计工程,2022(09):31-36
A类：
多行人跟踪
B类：
特征信息关联,目标跟踪算法,智能安防,安防监控系统,YOLO,v3,SORT,跟踪方法,模型输出,行人检测,检测数据集,新训,遮挡,行人重识别,识别网络,Re,ID,目标表征,特征向量,余弦距离,关联程度,中设计,检测器,检测率,MOT16,目标检测
AB值：
0.323493
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。
