基于改进ByteTrack与YOLOv10的无人机多目标跟踪算法

1

作者 张忠民 叶聪 《兵工学报》 北大核心 2026年第1期261-271,共11页

无人机多目标跟踪技术是无人机领域的一个重要研究方向,目前大多数多目标跟踪技术难以平衡跟踪任务的精度和实时性。针对此问题,设计小目标检测算法MT-YOLOv10,采用轻量化特征融合模块MSKFF(Multi-Selective Kernel Feature Fusion)增... 无人机多目标跟踪技术是无人机领域的一个重要研究方向,目前大多数多目标跟踪技术难以平衡跟踪任务的精度和实时性。针对此问题,设计小目标检测算法MT-YOLOv10,采用轻量化特征融合模块MSKFF(Multi-Selective Kernel Feature Fusion)增强特征融合效果,提升无人机空中检测能力。在跟踪算法中,通过向卡尔曼滤波引入自适应因数增强对噪声的自适应能力,同时改变卡尔曼滤波输入的状态向量以及引入轨迹置信度信息,提升对目标位置的预测能力,改进后的跟踪算法命名为PAC-ByteTrack。MT-YOLOv10在VisDrone2019-DET数据集上的检测实验结果显示其精度和mAP 50较基线算法提升4.3%和6.5%。将MT-YOLOv10和PAC-ByteTrack相结合,在VisDrone2019-MOT(Multi-Object Tracking)和UAVDT两大无人机数据集上展开测评,其HOTA(Harmonized Overlap and Tracking Aumulator)分别提升4.467%和1.831%,性能优于大多数现有跟踪算法。新算法实现了稳定连续的跟踪,为无人机跟踪任务提供了新的解决方案。 展开更多

关键词 无人机 YOLOv10 bytetrack 卡尔曼滤波 多目标跟踪

在线阅读 下载PDF 职称材料

融合ByteTrack的EAP-YOLOv8无人机Marker点检测与追踪

2

作者 唐心亮 潘晓润 +1 位作者 王建超 苏鹤 《计算机科学》 北大核心 2026年第3期266-276,共11页

随着科技不断发展,无人机的应用越来越广泛,实现无人机的精准动作捕捉成为其核心技术。光学动作捕捉系统在对无人机进行检测与追踪时,由于受到复杂环境、飞行速度等多方面的干扰,会出现对无人机所粘贴的Marker点识别不准确的情况。为了... 随着科技不断发展,无人机的应用越来越广泛,实现无人机的精准动作捕捉成为其核心技术。光学动作捕捉系统在对无人机进行检测与追踪时,由于受到复杂环境、飞行速度等多方面的干扰,会出现对无人机所粘贴的Marker点识别不准确的情况。为了解决这一问题,提出一种基于YOLOv8改进的目标检测算法EAP-YOLOv8,以提高Marker点识别检测的准确率。首先,在骨干部分构建新型通道注意力机制MAP-ECA,增强全局视角信息和不同尺度大小的特征,提升了小目标的检测能力;其次,在原有检测头的基础上利用多层次自适应特征融合形成新的检测头D-SASFF,利用多尺度融合来强化小目标特征信息;最后,设计了损失函数PIoUv3,通过改进加快了模型收敛速度,提高了小目标检测能力。为验证EAP-YOLOv8算法的有效性,在自制数据集上进行实验,结果表明,EAP-YOLOv8算法在mAP@0.5和mAP@0.5:0.95上分别达到了96.5%和50.2%,相较于其他算法有显著提升。在此基础之上,通过结合多目标追踪算法ByteTrack显著提高了Marker点的追踪准确率。此外,在公开数据集MOT16上进行追踪实验,结果表明,所提模型在HOTA,MOTA,MOTP上追踪准确率分别达到了37.60%,25.64%,80.76%,相较于当前算法有显著提升,为后续实现无人机精准跟踪提供了有效途径。 展开更多

关键词 EAP-YOLOv8 无人机检测 Marker点 小目标检测 多目标追踪 bytetrack

在线阅读 下载PDF 职称材料

基于YOLOv8+ByteTrack的车辆未礼让行人自动检测方法研究

3

作者 陈慧敏 李俊斌 +1 位作者 王吴光 杨家旺 《物联网技术》 2026年第4期38-42,共5页

针对复杂交通场景中传统目标检测算法适应性不足、误检和漏检率较高等问题,文中提出一种融合YOLOv8与ByteTrack算法的车辆未礼让行人自动检测方法。该方法构建了双阶段检测框架:首先通过YOLOv8算法实现车辆行人精准识别,其采用多尺度特... 针对复杂交通场景中传统目标检测算法适应性不足、误检和漏检率较高等问题,文中提出一种融合YOLOv8与ByteTrack算法的车辆未礼让行人自动检测方法。该方法构建了双阶段检测框架:首先通过YOLOv8算法实现车辆行人精准识别,其采用多尺度特征融合机制增强了对不同尺度目标的检测能力,然后引入ByteTrack多目标跟踪算法,通过分级数据关联策略有效提升动态目标跟踪能力。基于交通法规设计的判定模型,通过实时分析车辆与行人运动轨迹的相对位置关系进行违规行为判别。实验环节构建自动驾驶标准图像与真实场景图像混合的训练集,训练后输出的模型检测准确率达94.31%,召回率达92.03%,平均精度分别达到96.36%和77.62%。通过四类典型交通场景的对比实验表明,该系统能够在复杂场景下实现对车辆未礼让行人的高效检测。 展开更多

关键词 目标检测 目标跟踪 YOLOv8 bytetrack 深度学习 礼让行人

在线阅读 下载PDF 职称材料

基于改进YOLOv8和ByteTrack的桥梁通航船舶识别与追踪 被引量：3

4

作者 王浩 王旭 +3 位作者 廖睿轩 茅建校 张一鸣 颜王吉 《东南大学学报(自然科学版)》 北大核心 2025年第5期1380-1387,共8页

针对近年来频发的船桥相撞事故,深入分析了现有桥梁主动防船撞方法的不足,设计并实现了一种基于改进YOLOv8和ByteTrack算法的航道船舶识别与追踪方法。在YOLOv8网络结构的主干网络和颈部网络之间引入了3个卷积块注意力模块(CBAM),以增... 针对近年来频发的船桥相撞事故,深入分析了现有桥梁主动防船撞方法的不足,设计并实现了一种基于改进YOLOv8和ByteTrack算法的航道船舶识别与追踪方法。在YOLOv8网络结构的主干网络和颈部网络之间引入了3个卷积块注意力模块(CBAM),以增强模型对关键特征的捕捉能力。此外,采用了ByteTrack算法来提高船舶追踪的准确性和鲁棒性,并进行对比实验分析。结果表明,改进后的模型在多目标追踪准确性(MOTA)和识别准确度(IDF1)上分别达到了79.8%和84.5%,相比原始YOLOv8模型有了约5%的精度提升,且相比于一些其他主流注意力机制模块也有更大提升。在图像处理速度方面,改进方法相对于多目标追踪算法Bot-SORT算法图像处理速度快约56%,处理相同目标图像耗时更少。 展开更多

关键词 桥梁工程 船舶追踪 深度学习 计算机视觉 YOLOv8 bytetrack

在线阅读 下载PDF 职称材料

高速公路广告牌巡检目标跟踪的改进ByteTrack算法

5

作者 李俊 李朝奎 +1 位作者 黄磊 冯媛媛 《测绘学报》 北大核心 2025年第11期2068-2080,共13页

采用ByteTrack算法对高速公路巡检车摄像头捕捉到的广告牌进行跟踪,能够提取广告牌视频画面、出现时间节点信息。然而该算法面临着遮挡问题及误跟踪非广告牌目标的挑战,为此,对ByteTrack算法作出以下改进研究。首先,在目标被标识为跟踪I... 采用ByteTrack算法对高速公路巡检车摄像头捕捉到的广告牌进行跟踪,能够提取广告牌视频画面、出现时间节点信息。然而该算法面临着遮挡问题及误跟踪非广告牌目标的挑战,为此,对ByteTrack算法作出以下改进研究。首先,在目标被标识为跟踪ID前需创建缓冲轨迹,直至此轨迹满足预激活判定条件,对处于丢失状态的目标轨迹判断遮挡状态,当预激活目标与遮挡目标符合类别、外观及方位向量等条件时,进行两目标之间的匈牙利匹配;然后,参考Botsort、ByteTrack算法中卡尔曼滤波参数设置特点,使用遗传算法分别对XYAH、XYWH编码方式下卡尔曼滤波关键参数进行调节,对比选择预测效果最佳的卡尔曼滤波。本文以长株潭城市群部分高速公路为试验对象,研究结果表明,相较于原始ByteTrack算法,本文方法的Hota、Mota、IDF指标分别提高了1.318、11.682、2.033个百分比;对比其他的多目标跟踪算法,改进的ByteTrack算法除了FP值略高于Ocsort算法,其他各个指标都优于Botsort、Deepocsort、Hybridsort等算法。改进的ByteTrack算法实现了高速公路广告牌目标的良好跟踪,为高速公路广告牌智能巡检技术提供了参考。 展开更多

关键词 高速公路 巡检车 广告牌 bytetrack 多目标跟踪

在线阅读 下载PDF 职称材料

基于改进YOLOv7-ByteTrack的鸵鸟多目标跟踪研究 被引量：2

6

作者 卢海涛 伍鹏 《电脑知识与技术》 2025年第1期5-11,共7页

鸵鸟养殖作为现代畜牧业的重要组成部分,全球的养殖规模正逐年以15%左右的速度增长。鸵鸟多目标跟踪技术在提升养殖管理效率和精准度方面具有重要作用。然而,目前针对鸵鸟的多目标跟踪算法在目标检测精度和跟踪稳定性上仍存在不足,尤其... 鸵鸟养殖作为现代畜牧业的重要组成部分,全球的养殖规模正逐年以15%左右的速度增长。鸵鸟多目标跟踪技术在提升养殖管理效率和精准度方面具有重要作用。然而,目前针对鸵鸟的多目标跟踪算法在目标检测精度和跟踪稳定性上仍存在不足,尤其是在处理小目标和高密度目标场景时容易出现漏检与跟踪丢失问题。为解决上述问题,文章提出了一种基于YOLOv7与ByteTrack的多目标跟踪算法。该算法在YOLOv7主干网络中引入注意力机制EMCA,显著提升了对小目标的感知能力;在ByteTrack算法中,帧内关系模块结合匈牙利算法实现高效目标关联,减少漏检和身份切换的几率。实验结果表明,该算法相较于原始YOLOv7在处理速度上提升了7.9%,跟踪准确性(MOTA)在多个关键指标上均有显著提升:相较于DeepSORT和DeepMOT分别提高了13.3%和10%。此外,ByteTrack算法在避免跟踪丢失方面表现尤为突出。该研究为现代化鸵鸟养殖提供了高效可靠的多目标跟踪技术支持,具有重要的实际应用价值,为推动智能化畜牧业发展提供了参考。 展开更多

关键词 畜牧业 鸵鸟养殖 计算机视觉 目标检测与跟踪 YOLOv7 bytetrack

在线阅读 下载PDF 职称材料

基于YOLO-Pipe和ByteTrack的排水管道缺陷检测 被引量：2

7

作者 凌同华 贝政豪 +2 位作者 张胜 张亮 江浩 《中国给水排水》 北大核心 2025年第3期125-130,共6页

城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的Y... 城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的YOLO-Pipe模型。并将YOLO-Pipe模型与ByteTrack追踪算法进行融合,提出了一种基于排水管道检测视频的Pipe-Track缺陷追踪算法。结果表明,YOLO-Pipe模型缺陷检测的mAP@50达94.8%,推理时间为28.2 ms。与其他模型相比,YOLO-Pipe在兼顾实时检测的同时取得了更高的检测精度。融合的Pipe-Track算法实现了对视频数据集的检测,并且缺陷平均锁定率达到了92.3%,展现出了良好的缺陷检测效果。 展开更多

关键词 排水管道 缺陷检测 YOLO模型 视频检测 bytetrack算法

原文传递

融合改进YOLOv7-tiny与ByteTrack跟踪的胶带运输机速度测量方法

8

作者 梁旭 张慧峰 高凯 《矿业研究与开发》 北大核心 2025年第8期209-216,共8页

针对因胶带运输机上运动目标发生形变和轨迹漂移导致跟踪丢失,造成胶带运输机速度测量误差较大的问题,提出了一种融合改进YOLOv7-tiny与ByteTrack跟踪的胶带运输机速度测量方法。该方法首先采用改进的YOLOv7-tiny目标检测算法作为检测器... 针对因胶带运输机上运动目标发生形变和轨迹漂移导致跟踪丢失,造成胶带运输机速度测量误差较大的问题,提出了一种融合改进YOLOv7-tiny与ByteTrack跟踪的胶带运输机速度测量方法。该方法首先采用改进的YOLOv7-tiny目标检测算法作为检测器,实现图像中运动目标的准确定位;其次,利用二次数据关联策略加强低分置信度的关联匹配,同时引入置信度的卡尔曼滤波算法,使卡尔曼滤波算法预测的轨迹倾向于检测器的结果,从而提高胶带运输机上运动目标跟踪轨迹的稳定性;最后,通过胶带运输机两个支撑杆间的图像坐标及支撑杆间的距离简化相机标定方法,建立胶带运输机速度测量模型,实现胶带运输机的速度估计。试验结果表明,所提出的新方法其计算结果的MAE和MSE指标分别降低了0.037m/s和0.022 m/s,有效降低了胶带运输机的速度测量误差。 展开更多

关键词 胶带运输机 运行速度 目标检测 二次数据关联策略 YOLOv7 bytetrack跟踪算法

原文传递

一种基于ByteTrack的前视声呐多目标跟踪算法

9

作者 陈美龙 赵新华 叶秀芬 《仪器仪表学报》 北大核心 2025年第7期332-344,共13页

前视声呐在水下远距离目标检测与跟踪中发挥着重要的作用。然而,前视声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失的问题。在使用前视声呐进行目标跟踪时,需要对声呐载体旋转和目标遮挡进行补偿,避免目标丢失。为解决以上问... 前视声呐在水下远距离目标检测与跟踪中发挥着重要的作用。然而,前视声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失的问题。在使用前视声呐进行目标跟踪时,需要对声呐载体旋转和目标遮挡进行补偿,避免目标丢失。为解决以上问题,结合声呐图像序列的特征和目标特征,改进现有的跟踪算法。针对ByteTrack算法应用在声呐跟踪上容易出现目标丢失问题,结合前视声呐图像特征,改进关联方式,在第1关联提出了一种基于卡尔曼滤波的运动特征和目标外观特征结合的方式作相似性度量,提升了跟踪的准确性。针对前视声呐载体旋转导致目标运动过快的问题,利用声呐姿态数据对ByteTrack算法加入旋转补偿,提升了匹配的准确性;最后,通过相似性度量算法对比实验,证明了改进后的关联方式和目标外观特征结合的方式的优越性。对比了DeepSort、TransTrack和ByteTrack主流目标跟踪算法,改进后的模型跟踪准确度为76.8%,跟踪召回率为80.6%;改进后的ByteTrack与改进前的ByteTrack相比,跟踪精度提升了9.4%,召回率提升了10.8%,ID切换次数降低了46%。检测与跟踪融合实验表明,改进后的目标检测跟踪融合算法拥有更低的漏检率、误检率,更低的身份切换次数,更能适应前视声呐水下目标的检测和跟踪场景。 展开更多

关键词 前视声呐 目标跟踪 bytetrack 图像序列

原文传递

基于ByteTrack和改进YOLOv11算法的行人跟踪算法研究

10

作者 刘兆金 谭钦红 +1 位作者 朱嘉浩 李会兵 《激光杂志》 北大核心 2025年第10期56-62,共7页

多目标跟踪(Multi-Object Tracking,MOT)在自动驾驶和智能监控等领域具有广泛应用。针对传统的行人检测与跟踪方法存在复杂度高、人群密集时易漏检以及遮挡影响严重等问题,提出一种基于改进YOLOv11和ByteTrack算法的行人检测与跟踪方法... 多目标跟踪(Multi-Object Tracking,MOT)在自动驾驶和智能监控等领域具有广泛应用。针对传统的行人检测与跟踪方法存在复杂度高、人群密集时易漏检以及遮挡影响严重等问题,提出一种基于改进YOLOv11和ByteTrack算法的行人检测与跟踪方法。在行人检测阶段,将标准卷积(Convolution,Conv)模块替换为ADown模块,以降低算法复杂度;在C2PSA模块中引入多尺度注意力(Efficient Multi-scale Attention,EMA)机制,进一步降低计算开销的同时,保留丰富的通道信息;采用动态目标检测头(DynamicHead,DyHead)提升行人检测精度,缓解摄像头拍摄场景下的漏检问题。在行人跟踪阶段,将ByteTrack算法与改进的YOLOv11算法结合,以实现鲁棒的行人跟踪。改进后的YOLOv11模型在mAP50提高2.2%,参数量减少25.2%,在复杂度与准确性方面能够满足实际应用需求。 展开更多

关键词 行人检测与跟踪 多尺度注意力 YOLOv11 bytetrack

原文传递

基于改进YOLOv8n和ByteTrack的电子元器件分拣多目标跟踪算法研究

11

作者 史安旗 张欣 +1 位作者 陈世超 高超 《智能感知工程》 2025年第4期48-59,共12页

针对3C电子元器件分拣场景中普遍存在的小目标、密集排列等问题对多目标跟踪效果产生的影响,提出一种基于改进YOLOv8n和ByteTrack的轻量化多目标跟踪算法。在目标检测环节,针对小目标检测难、目标之间相互遮挡等问题,以YOLOv8n模型为基... 针对3C电子元器件分拣场景中普遍存在的小目标、密集排列等问题对多目标跟踪效果产生的影响,提出一种基于改进YOLOv8n和ByteTrack的轻量化多目标跟踪算法。在目标检测环节,针对小目标检测难、目标之间相互遮挡等问题,以YOLOv8n模型为基础,采用Gold-YOLO模块替换原网络中的Neck模块以强化模型多尺度特征融合能力,并在Gold-YOLO的N3输出层嵌入ACmix注意力机制模块,增强对小目标及遮挡目标的特征提取能力;在目标跟踪环节,以ByteTrack模型为基础,优化算法参数并增加嵌套框过滤算法,以有效抑制重叠检测框导致的误匹配,从而提升目标跟踪鲁棒性。利用自建数据集进行改进模型的性能验证,结果表明,改进后的YOLOv8n与ByteTrack目标跟踪算法在电子元器件分拣场景中应用性能优异。在自建数据集中,目标检测的平均精度均值mAP@50达91.32%,多目标跟踪准确率(MOTA)达86.72%,身份识别F1分数(IDF1)达93.13%,身份切换次数(IDSW)为0次,帧率为27.65fps。该算法在复杂工业场景中兼顾了检测精度、跟踪鲁棒性与实时性,为工业智能分拣提供了一种高效、可靠的目标跟踪解决方案。 展开更多

关键词 YOLOv8n bytetrack 多目标跟踪 目标检测

在线阅读 下载PDF 职称材料

基于YOLOV8-ByteTrack鱼苗自动计数装置的设计与试验

12

作者 王瑞 权佳宁 田云臣 《渔业科学进展》 北大核心 2025年第5期99-109,共11页

本研究设计了一种鱼苗自动计数装置,旨在提升鱼苗养殖过程中计数的精度与效率。装置的整体结构包括鱼苗输送系统、成像系统和数据处理单元。在结构设计中,对装置在不同载荷条件下的应力和变形特性进行了仿真分析。同时,通过优化YOLOV8... 本研究设计了一种鱼苗自动计数装置,旨在提升鱼苗养殖过程中计数的精度与效率。装置的整体结构包括鱼苗输送系统、成像系统和数据处理单元。在结构设计中,对装置在不同载荷条件下的应力和变形特性进行了仿真分析。同时,通过优化YOLOV8目标检测模型和Bytetrack跟踪流程,实现鱼苗个体的高精度检测和高帧率轨迹预测,有效避免重复计数,并降低下落速度对计数精度的影响。试验以200、250和300尾3~5、6~8和9~12 cm 3种规格的鱼苗为测试对象,对计数准确率进行验证,结果显示,3~5 cm鱼苗的平均计数准确率为98.5%,6~8 cm鱼苗为99.1%,9~12 cm鱼苗为99.6%,并且改进YOLOV8-Bytetrack算法的平均帧率高达155 FPS,该装置能够实现高精度的鱼苗计数。 展开更多

关键词 鱼苗计数装置 计数滑道 图像采集 YOLOV8 bytetrack

在线阅读 下载PDF 职称材料

基于YOLO v9c和改进ByteTrack的群养羊只多目标跟踪方法

13

作者 郑芳 夏传宇 +3 位作者 杜小勇 周勇 田芳 李国亮 《农业机械学报》 北大核心 2025年第10期585-595,共11页

基于视频的群养羊只跟踪对于规模化、智能化、无人化养殖具有重要作用。然而,由于羊群存在严重的遮挡、重叠及移动速度过快等问题,在复杂场景下对多只羊只进行精确跟踪较为困难。针对上述问题,为提高跟踪技术对群养羊只的适应性,本文提... 基于视频的群养羊只跟踪对于规模化、智能化、无人化养殖具有重要作用。然而,由于羊群存在严重的遮挡、重叠及移动速度过快等问题,在复杂场景下对多只羊只进行精确跟踪较为困难。针对上述问题,为提高跟踪技术对群养羊只的适应性,本文提出一种基于YOLO v9c与改进ByteTrack相结合的羊只多目标跟踪方法。在目标检测方面,将羊只的行为划分为站立、躺卧和进食3种状态。在多目标跟踪方面,对ByteTrack做了两点改进:引入时间距离匹配模块(Time and distance matching module,TDMM),将未匹配成功的高分框与未匹配轨迹按照丢失轨迹的丢失时长与欧氏距离相结合形成身份关联系数矩阵,再次进行匹配;引入ID延时分配机制,除第1帧外,将ID分配模块移至第3次匹配并加入条件,防止ID过早分配。试验结果表明,HOTA为72.051%,MOTA为88.326%,IDF1为88.237%,IDSW为8。与ByteTrack相比MOTA提高0.242个百分点,HOTA提高2.21个百分点,IDF1提高5.734个百分点,ID跳变次数降低了约46.67%。与算法Bot-SORT和OC-SORT相比,HOTA和IDF1有明显上升,并且ID跳变次数大幅降低。多羊只复杂场景情况下测试结果表明,基于改进ByteTrack算法具有良好的多目标跟踪性能,可以有效提高对群养羊只跟踪的准确性和可靠性。该算法在与YOLO v9c目标检测算法结合对群养羊只进行多目标跟踪并保存跟踪结果时,平均帧率为47.1 f/s相较于Bot-SORT算法(34.2 f/s)提高约37.7%。该算法能够实时可靠地监测羊只,为羊只养殖场管理者及时发现羊只行为异常以及监测羊只健康状况提供了有效的技术手段。 展开更多

关键词 群养羊只 目标跟踪 时间距离匹配模块 ID延时分配 YOLO v9c 改进bytetrack

在线阅读 下载PDF 职称材料

基于ByteTrack的对空红外多目标跟踪方法

14

作者 吕璐 赵晨阳 张俊 《激光与红外》 北大核心 2025年第11期1797-1804,共8页

对空红外多目标跟踪技术已然成为端侧设备应用热点,在民用和军事领域应用广泛。针对空中红外小目标因检测率低和轨迹关联精度不佳导致的多目标跟踪轨迹不完整问题,本文结合YOLOv10S目标检测算法和ByteTrack多目标跟踪算法,首先通过改进Y... 对空红外多目标跟踪技术已然成为端侧设备应用热点,在民用和军事领域应用广泛。针对空中红外小目标因检测率低和轨迹关联精度不佳导致的多目标跟踪轨迹不完整问题,本文结合YOLOv10S目标检测算法和ByteTrack多目标跟踪算法,首先通过改进YOLOv10S网络结构及损失函数提升红外小目标检测性能,其次提出ByteTrack-DS算法,使用基于距离及形状特征的关联方法,再加入改进的轨迹匹配策略,改善轨迹关联精度,综合提升多目标跟踪轨迹的完整性。在对空红外多目标数跟踪据集上的实验结果表明,本文改进的YOLOv10S结合ByteTrack-DS算法与原始算法相比,在MOTA、IDF1指标上分别提升了4.7%和6.8%。同时,本文提出的算法可在Atlas200I DK平台上高效运行,可为对空红外多目标跟踪在端侧设备上的部署提供技术支持。 展开更多

关键词 红外小目标检测 多目标跟踪 bytetrack 关联策略

在线阅读 下载PDF 职称材料

基于Bytetrack的东北虎多目标跟踪

15

作者 姜正海 马光凯 《自动化应用》 2025年第22期94-98,共5页

圈养东北虎日常生活中遮挡、非线性运动以及模糊态等复杂情况频发,造成多目标跟踪效果较差,易出现ID切换的问题。在Bytetrack跟踪算法的基础上,采用扩展卡尔曼滤波(EKF)能更好地应对东北虎运动过程中的非线性动态特性。采用插值轨迹的... 圈养东北虎日常生活中遮挡、非线性运动以及模糊态等复杂情况频发,造成多目标跟踪效果较差,易出现ID切换的问题。在Bytetrack跟踪算法的基础上,采用扩展卡尔曼滤波(EKF)能更好地应对东北虎运动过程中的非线性动态特性。采用插值轨迹的方法易应对东北虎在目标检测过程中容易出现漏检的问题。为了处理东北虎活动中出现的遮挡与重叠现象,提出重叠轨迹概念。结果显示,改进后Bytetrack算法的IDS为68,减少了97,MOTA为82.5%,提高了5.2%,IDF1为91.6%,提高了4.2%,这表明在遇到遮挡等复杂场景时,改进后Bytetrack算法的跟踪精度和鲁棒性得到了提升。 展开更多

关键词 bytetrack算法 扩展卡尔曼滤波 轨迹插值 重叠轨迹

在线阅读 下载PDF 职称材料

基于改进ByteTrack的行人跟踪算法

16

作者 彭芙蓉 卢张宇 赵一帆 《湖南工程学院学报(自然科学版)》 2025年第4期51-57,70,共8页

针对复杂场景中新生目标初始置信度不足及长期遮挡导致的跟踪失效问题,本文提出一种改进的ByteTrack行人跟踪算法,该算法创新性地引入临时轨迹机制与轨迹暂停-恢复策略.算法采用三级置信度分级策略对检测框进行精细化分类,结合多阶段匹... 针对复杂场景中新生目标初始置信度不足及长期遮挡导致的跟踪失效问题,本文提出一种改进的ByteTrack行人跟踪算法,该算法创新性地引入临时轨迹机制与轨迹暂停-恢复策略.算法采用三级置信度分级策略对检测框进行精细化分类,结合多阶段匹配策略实现轨迹与检测框的精准关联.在权威MOT17基准数据集上的实验结果显示,本文算法在MOTA指标上较原始ByteTrack提升1个百分点,达到77.6%,在IDF1指标上提升0.5个百分点,达到79.8%,展现出显著的性能优势.特别是在处理目标遮挡挑战性因素时,算法通过临时状态轨迹的动态管理提升综合跟踪稳定性,利用暂停状态轨迹的身份维持机制增强身份一致性,为行人跟踪技术的鲁棒性提升提供了新范式. 展开更多

关键词 行人跟踪 bytetrack YOLOX 计算机视觉

在线阅读 下载PDF 职称材料

基于YOLOX-ByteTrack的改进行人多目标跟踪算法

17

作者 薛元杰 李雅红 《自动化应用》 2025年第16期112-114,共3页

为了解决传统YOLOX-ByteTrack框架中密集遮挡、相似外观及非线性运动等问题,提出了基于YOLOX-ByteTrack的改进行人多目标跟踪算法。通过在特征提取阶段引入Transformer,利用自注意力机制建模全局上下文依赖,并设计交叉注意力层融合多尺... 为了解决传统YOLOX-ByteTrack框架中密集遮挡、相似外观及非线性运动等问题,提出了基于YOLOX-ByteTrack的改进行人多目标跟踪算法。通过在特征提取阶段引入Transformer,利用自注意力机制建模全局上下文依赖,并设计交叉注意力层融合多尺度特征,显著增强目标表征的判别性与鲁棒性。实验表明,改进算法在MOT20数据集上,MOTA提升0.9%、IDF1提升1.2%、HOTA提升1.3%,同时FPS仅下降0.2,保持接近实时性能。分析显示,Transformer通过动态捕捉目标间长程语义关联,有效缓解了遮挡漏检与身份混淆问题,尤其在密集场景和复杂运动中表现突出,为端到端检测跟踪联合优化提供了新范式。 展开更多

关键词 YOLOX-bytetrack Transformer编码器 多目标跟踪

在线阅读 下载PDF 职称材料

基于改进ByteTrack算法的群养生猪行为识别与跟踪技术 被引量：12

18

作者 涂淑琴 汤寅杰 +3 位作者 李承桀 梁云 曾扬晨 刘晓龙 《农业机械学报》 EI CAS CSCD 北大核心 2022年第12期264-272,共9页

群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标... 群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括:设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。 展开更多

关键词 群养生猪 行为识别 多目标跟踪 bytetrack

在线阅读 下载PDF 职称材料

融合通道剪枝与ByteTrack的轻量化金枪鱼渔获数量实时检测 被引量：4

19

作者 刘雨青 李杰 +5 位作者 宋利明 魏星 陈明 隋恒寿 李彬 李同 《上海海洋大学学报》 CAS CSCD 北大核心 2023年第5期1080-1089,共10页

自动准确收集渔业捕捞数据是电子观察员系统的重要组成部分,然而,由于工作环境的复杂性和跟踪的不稳定性,金枪鱼延绳钓渔获数量自动估计在实践部署中仍存在挑战。本研究设计了一个轻量级计数网络对渔船上的实时视频数据进行自动处理,实... 自动准确收集渔业捕捞数据是电子观察员系统的重要组成部分,然而,由于工作环境的复杂性和跟踪的不稳定性,金枪鱼延绳钓渔获数量自动估计在实践部署中仍存在挑战。本研究设计了一个轻量级计数网络对渔船上的实时视频数据进行自动处理,实现对金枪鱼渔获物的实时跟踪和计数。本研究选择YOLOv5s作为基准网络,首先采用通道剪枝算法对YOLOv5s的主干网络进行修剪,结果表明,剪枝后的模型检测精度mAP_(0.5~0.95)达到68.8%,CPU下检测速度为16.5帧/s(FPS),与原始模型相比,检测效果基本不变,模型的参数量、模型大小和计算量分别减少了67.2%、66.4%和42.5%,检测速度提高了33.1%。其次,利用ByteTrack算法实现了多目标的实时跟踪,优化了计数区域形状,解决了被跟踪金枪鱼身份(ID)跳变导致的计数偏差问题,10个视频的测试结果表明,该方法的平均计数准确率为80%,视频处理速度为50.7帧/s,满足工业级实时检测要求。综上,该模型具有轻量化、高精度、实时性等优点,可在复杂的工作环境下完成对延绳钓捕捞结果的实时监控,为实现渔业自动化提供思路。 展开更多

关键词 金枪鱼数量 通道剪枝 bytetrack 实时检测 YOLOv5 多目标追踪

原文传递

基于自纠正NMS-ByteTrack的套袋葡萄估产方法 被引量：5

20

作者 吕佳 张翠萍 +1 位作者 刘琴 李帅军 《农业工程学报》 EI CAS CSCD 北大核心 2023年第13期182-190,共9页

针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标... 针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标检测方法YOLOv5s检测视频中的套袋葡萄,将检测阶段的NMS操作后置到追踪阶段,保留因遮挡而被过滤的果实检测框;其次在ByteTrack的基础上加入相机运动补偿和改进的卡尔曼滤波算法,以自动纠正果实预测框的位置并进行追踪;最后提出一种划线计数策略对套袋葡萄自动计数。试验结果表明,该方法的多目标追踪准确率、多目标追踪精度和ID调和平均数分别为64.6%、82.4%和80.8%,相比ByteTrack分别提高了1.7、1.0和4.1个百分点,平均计数精度达到82.8%。因此,基于自纠正NMS-ByteTrack的估产方法能有效解决套袋葡萄的追踪计数问题,实现对套袋葡萄更精确地估产。 展开更多

关键词 图像处理 农业 目标追踪 视频计数 估产方法 套袋葡萄 bytetrack 卡尔曼滤波器

在线阅读 下载PDF 职称材料