典型文献
联合YOLOv4检测的候选框选择和目标跟踪方法
文献摘要：
当前的目标跟踪算法主流是基于检测的跟踪(DBT),所以检测的质量对跟踪的性能影响很大,同时在跟踪过程中易受环境干扰、光照变化、目标尺度和类别的影响,针对以上目标跟踪存在的问题,提出一种联合深度学习神经网络YOLOv4检测算法和Kalman滤波的目标跟踪算法.首先利用目标检测器对目标进行分类和边界框提取,跟踪器用于在跟踪轨迹中收集候选数据;其次,提出一种对象选择器,用来选择检测和跟踪轨迹中的最优候选框;最后,将最优候选框和跟踪轨迹利用ReID进行数据关联判断是否对跟踪轨迹进行更新.实验结果表明,联合检测的目标跟踪方法与其他几种已经成型算法对比跟踪精度达到84.9％,跟踪成功率为82.2％.同时该方法在面对环境变化、类别变化、光照强度、遮挡等复杂情况下仍然具有很好的鲁棒性.
文献关键词：
目标跟踪;目标检测;候选框选择;YOLOv4检测算法;Kalman滤波;目标分类;边界框提取;数据关联
中图分类号：
作者姓名：
李福进;黄志伟;史涛;任红格
作者机构：
华北理工大学 电气工程学院,河北 唐山 063200
文献出处：
引用格式：
[1]李福进;黄志伟;史涛;任红格-.联合YOLOv4检测的候选框选择和目标跟踪方法)[J].现代电子技术,2022(03):43-47
A类：
候选框选择,边界框提取
B类：
YOLOv4,跟踪方法,目标跟踪算法,DBT,中易,环境干扰,标尺,深度学习神经网络,检测算法,Kalman,目标检测器,跟踪器,器用,跟踪轨迹,对象选择,选择器,ReID,数据关联,联合检测,算法对比,跟踪精度,光照强度,遮挡,复杂情况,目标分类
AB值：
0.275721
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。
