改进ＹＯＬＯｖ５ 和ＤｅｅｐＳＯＲＴ 的多目标跟踪算法
打开文本图片集
摘 要 针对多目标因相互交错或被遮挡以及检测目标外观外貌和背景颜色相近等现象 导致目标跟踪的漏检 错检ID 分配紊乱等问题 提出了一种改进YOLOv5 DeepSORT和 跟踪算法 为加强网络对全局上下文特征的提取能力 文章提出优化DeepSORT 的特征提取网络模型 并通过去掉1 层卷积层 增加4 层残差层以及采用自适应平均池化层和增加网络的深度与宽度 对行人提取更加深层次的语义信息 最后 通过实验验证了DeepSORT 目标跟踪算法的优越性 其能够准确地对目标进行跟踪 具有一定的理论探索意义和实用价值
关键词 多目标跟踪 行人识别
中图法分类号 文献标识码A
１ 引言
随着计算机视觉技术［１］ 的高速发展，目标检测与跟踪技术［２］ 已经应用到各个领域中，如自动驾驶、智慧交通以及公共安全监管等。（剩余3370字）
网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。