典型文献
复杂矿山环境下作业车辆的实时检测与跟踪
文献摘要：
针对复杂矿山环境下作业车辆与背景图像相似而检测效果差、多类型车辆跟踪稳定性低等问题,文章提出了一种多类别、多目标的复杂矿山环境下作业车辆实时检测与跟踪算法.其基于轻量级骨干网络YOLO并结合多尺度特征融合模块构建模型框架,该模型以DIoU为损失函数,采用K-means聚类回归候选框尺寸,通过轻量级骨干网络学习图像特征,输出多尺度预测结果.在此基础上,将多类别作业车辆目标的特征作为相似性度量,结合表征运动信息的马氏距离度量和余弦度量进行级联匹配,并串联IoU匹配和卡尔曼滤波来确认轨迹,从而实现多作业车辆实时跟踪.实验结果显示,该算法的车辆检测平均准确率mAP@0.5-0.95为58.40％,多目标跟踪精度达到82.60％,每帧图像处理时间为26.5 ms,表明采用该算法能够有效进行作业车辆的实时检测与跟踪.
文献关键词：
无人驾驶;多作业车辆跟踪;车辆检测;级联匹配;YOLO算法;卡尔曼滤波;矿用卡车
中图分类号：
作者姓名：
康高强;林军;刘世望;岳伟;熊群芳;仝皓
作者机构：
中车株洲电力机车研究所有限公司,湖南 株洲 412001
文献出处：
引用格式：
[1]康高强;林军;刘世望;岳伟;熊群芳;仝皓-.复杂矿山环境下作业车辆的实时检测与跟踪)[J].控制与信息技术,2022(05):68-74
A类：
余弦度量,多作业车辆跟踪
B类：
矿山环境,下作,实时检测,背景图,检测效果,多类型,多类别,跟踪算法,轻量级,骨干网络,YOLO,多尺度特征融合,特征融合模块,构建模型,模型框架,DIoU,损失函数,means,候选框,网络学习,图像特征,多尺度预测,相似性度量,运动信息,马氏距离,距离度量,级联匹配,卡尔曼滤波,实时跟踪,车辆检测,平均准确率,mAP,多目标跟踪,目标跟踪精度,处理时间,ms,无人驾驶,矿用卡车
AB值：
0.330912
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。
