改进YOLOv5+DeepSort的行人跟踪算法
Modern Electronics Technique（2023）
Abstract
针对复杂环境道路行人跟踪易发生身份丢失、切换的问题,提出一种改进的YOLOv5检测并结合DeepSort跟踪算法.检测阶段,融合注意力模块CBAM与YOLOv5颈部网络增强对行人特征的提取;用SIoU边界框损失函数代替CIoU边界框损失函数,加速边界框回归的同时提高准确定位度.跟踪阶段,改进DeepSort利用拓展卡尔曼滤波器对非线性环境行人位置进行预测,通过匈牙利算法匹配预测和检测轨迹,优化复杂环境下行人身份切换频繁的问题.最后连接改进后的YOLOv5与DeepSort算法,对MOT-16数据集进行检测跟踪.实验结果表明:改进YOLOv5算法较原算法平均精准度提高4％,结合DeepSort跟踪,平均跟踪精确度为63.5％,比原始算法提升了3.4％;行人身份切换次数减少52次,比原始算法减少了6.5％.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined