典型文献
变电站场景下运动目标的检测和跟踪方法
文献摘要：
在遮挡物较多的变电站场景下,传统的目标跟踪算法容易出现人员跟丢、身份变换、目标被遮挡无法识别等情况,无法做到对目标的准确实时跟踪.针对此问题,提出了融合度量学习与卡尔曼滤波的变电站运动目标跟踪方法.首先,采用融合多尺度特征的YOLOv3算法检测目标,利用带权值的匈牙利算法匹配目标的历史运动轨迹;然后,通过卡尔曼滤波进行轨迹预测,并应用度量学习匹配预测轨迹与历史运动轨迹,结合目标外观特征信息,以实现变电站内运动目标的跟踪;最后,以变电站场景下的人员为例进行实验,结果表明,人员跟踪准确率高,且能满足变电站应用场景下的鲁棒性和实时性要求.
文献关键词：
多尺度特征;人员跟踪;度量学习;卡尔曼滤波;变电站场景
中图分类号：
作者姓名：
雷景生;杨忠光
作者机构：
上海电力大学计算机科学与技术学院,上海200082
文献出处：
引用格式：
[1]雷景生;杨忠光-.变电站场景下运动目标的检测和跟踪方法)[J].上海电力大学学报,2022(01):40-47
A类：
B类：
变电站场景,下运,跟踪方法,遮挡物,目标跟踪算法,实时跟踪,融合度,度量学习,卡尔曼滤波,运动目标跟踪,多尺度特征,YOLOv3,权值,匈牙利算法,运动轨迹,轨迹预测,用度,预测轨迹,目标外观特征,特征信息,站内,人员跟踪
AB值：
0.271215
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。
