期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到172篇文章
< 1 2 … 9 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于YOLOv5_DeepSORT的人船目标识别与跟踪算法
1
作者 黄艳玉 张梦阳 +1 位作者 郑佳春 孙世丹 《泉州师范学院学报》 2025年第5期47-54,共8页
针对港口公共安全视频监控内容智能分析中,人船目标检测与识别还存在“认不清”“判不准”的问题,提出一种基于YOLOv5和DeepSORT的人船目标识别与跟踪算法。利用优化的YOLOv5检测算法,对摄像头不同角度的视频画面中的行人和船舶进行特... 针对港口公共安全视频监控内容智能分析中,人船目标检测与识别还存在“认不清”“判不准”的问题,提出一种基于YOLOv5和DeepSORT的人船目标识别与跟踪算法。利用优化的YOLOv5检测算法,对摄像头不同角度的视频画面中的行人和船舶进行特征识别,利用重识别技术融合检测视频判断特定的行人或者船舶;结合DeepSORT算法实现对不同轨迹的行人和船舶轨迹的跟踪。以公共数据集自建的行人和船舶图像库为实验数据集,利用YOLOv5模型和参数优化等技术手段进行算法训练,为安全决策提供研判依据。 展开更多
关键词 目标检测 人船目标识别 目标跟踪 YOLOv5 deepsort
在线阅读 下载PDF
基于改进YOLOv8+DeepSORT的多目标车辆跟踪算法研究
2
作者 徐英卓 张渊博 刘晓天 《现代信息科技》 2025年第7期52-57,共6页
针对实际交通场景下车辆跟踪算法复杂度高、计算量大,难以在资源有限的设备中应用的问题,提出一种基于改进YOLOv8+DeepSORT的多目标车辆跟踪算法。在骨干网络中引入轻量化的GhostNet卷积神经网络,将Conv替换为GhostConv,在保证模型轻量... 针对实际交通场景下车辆跟踪算法复杂度高、计算量大,难以在资源有限的设备中应用的问题,提出一种基于改进YOLOv8+DeepSORT的多目标车辆跟踪算法。在骨干网络中引入轻量化的GhostNet卷积神经网络,将Conv替换为GhostConv,在保证模型轻量化的同时实现性能的提升。其次通过引入CBAM注意力机制并结合Ghost卷积技术,构建一种新的GC-C2f特征融合模块,进一步增强特征提取的能力。最后使用新的损失函数WIoU,提高模型回归精度和收敛速度。使用改进YOLOv8模型的检测结果作为DeepSORT算法的输入,实现对复杂情况下的多目标车辆跟踪。实验结果表明,在交通数据集KITTI上,GCW-YOLO+DeepSORT在检测精度没有损失的情况下,相较于原YOLOv8+DeepSORT参数量降低35.94%,计算量降低20.25%,更适合在资源有限的设备上部署,具有实用价值。 展开更多
关键词 车辆目标跟踪 YOLOv8 deepsort Ghost卷积 轻量型 CBAM 损失函数
在线阅读 下载PDF
基于YOLO-Crab与改进的DeepSORT的水下河蟹检测与计数方法
3
作者 吴佳文 姬伟 +1 位作者 翟科龙 许波 《电子测量技术》 北大核心 2025年第17期132-141,共10页
为实现淡水池塘中无人水产养殖船的精准投饵,提出了YOLO-Crab+改进的DeepSORT的河蟹计数方法。首先,针对水下河蟹图像模糊、对比度低等问题,提出了一种基于CLAHE预处理下的YOLOv8的河蟹检测模型YOLO-Crab。YOLO-Crab在主干中增加坐标注... 为实现淡水池塘中无人水产养殖船的精准投饵,提出了YOLO-Crab+改进的DeepSORT的河蟹计数方法。首先,针对水下河蟹图像模糊、对比度低等问题,提出了一种基于CLAHE预处理下的YOLOv8的河蟹检测模型YOLO-Crab。YOLO-Crab在主干中增加坐标注意力机制,提高检测精度,同时,通过SimSPPF池化和GSConv+Slim Neck设计减轻模型量级。改进的DeepSORT算法用DIOU匹配替代IOU匹配来解决水草遮挡导致的河蟹ID跳变问题。实验表明,YOLO-Crab模型检测精度和F1分别达到了97.3%和94%,计数方法平均精度为81%。同时,将模型移植到Jeston AGX Orin上,检测精度达到95%,检测速度为60fps,提升了50%,计数精度为78%,能够为无人水产养殖船精准投饵提供可靠依据。 展开更多
关键词 无人水产养殖 YOLOv8 目标检测 河蟹计数 deepsort
原文传递
基于DeepSort的多目标车辆跟踪优化算法 被引量：1
4
作者 余海燕 霍爱清 冯若水 《智能计算机与应用》 2025年第5期68-74,共7页
针对密集交通场景中车辆跟踪所面临的漏检率高、误检频发以及跟踪精度低等问题,提出一种基于DeepSort多目标车辆跟踪优化算法,旨在提升其在复杂环境下的跟踪性能。首先,优化卡尔曼滤波,通过增加自适应调制噪声尺度的机制,动态调整噪声... 针对密集交通场景中车辆跟踪所面临的漏检率高、误检频发以及跟踪精度低等问题,提出一种基于DeepSort多目标车辆跟踪优化算法,旨在提升其在复杂环境下的跟踪性能。首先,优化卡尔曼滤波,通过增加自适应调制噪声尺度的机制,动态调整噪声协方差,更准确地预测目标的运动轨迹,克服因噪声水平波动导致的预测偏差和不稳定现象。随后,采用ResNest50作为主干网络,并结合YOLOv5检测器,对外观特征提取网络进行了改进,增强对车辆外观特征的精细提取能力,达到准确检测跟踪场景中的多个目标车辆的目的。为了全面评估所提算法的性能,基于MOTA、IDSW和MOTP三种指标,进行了综合评估实验并辅以可视化对比实验。经过实验验证,所提算法与其他模型相比在MOTA、MOTP上平均提升了3.460%、3.103%,同时使IDSW平均下降了45.907%,提高了多目标车辆检测的鲁棒性及跟踪精度。 展开更多
关键词 deepsort NSA卡尔曼滤波 ResNeSt50 密集场景 多目标车辆跟踪 YOLOv5
在线阅读 下载PDF
基于YOLOX和DeepSORT的淡水鱼行为检测算法研究 被引量：1
5
作者 张哲鼎 王超柱 +2 位作者 陈骏 OKINDA Cedric 刘龙申 《智能化农业装备学报(中英文)》 2025年第3期88-97,共10页
淡水鱼行为识别是生态学研究的重要组成部分,有助于理解鱼类的生态习性和环境适应能力。为实现淡水鱼行为识别,研究提出一种基于YOLOX和DeepSORT算法的淡水鱼行为检测算法。选用Open Image Dataset V7中鱼类目标检测数据集作为数据集1,... 淡水鱼行为识别是生态学研究的重要组成部分,有助于理解鱼类的生态习性和环境适应能力。为实现淡水鱼行为识别,研究提出一种基于YOLOX和DeepSORT算法的淡水鱼行为检测算法。选用Open Image Dataset V7中鱼类目标检测数据集作为数据集1,采用YOLOX进行淡水鱼目标检测模型训练,以迁移学习方式对人工标注、图像增强后的数据集2进行二次训练,完成淡水鱼目标检测模型。基于目标检测,获取外观特征,使用DeepSORT搭建淡水鱼目标追踪算法,获取鱼的位置信息、速度和加速度。通过分析鱼的运动信息,设定规则对鱼类活动、死亡、急游及其他常见行为进行分类。研究结果表明,采用迁移学习与图像增强减少模型训练所需样本量,淡水鱼目标检测模型具有较好的准确性,检测精度达到83%。DeepSORT算法对淡水鱼目标跟踪结果效果较好,能够准确提取淡水鱼运动信息,处理速度为10帧/s,有较好的实时性,MOTA、MOTP、IDF1分别达到83.582%、96.245%和94.105%,具备较好的追踪性能。基于运动信息按预设规则对淡水鱼行为定义,使用支持向量机和随机森林进行分类,其中随机森林方法准确率达到99.72%。研究所提出的基于YOLOX和DeepSORT的淡水鱼行为检测算法,在保证较高检测精度的同时实现了良好的实时性,能够有效地识别淡水鱼的行为模式,为生态学研究提供有力的技术支持。 展开更多
关键词 YOLO deepsort 淡水鱼 水产养殖 行为检测
在线阅读 下载PDF
基于YOLO11-DeepSort算法的城市轨道交通站内客流状态预警模型
6
作者 孔佳鑫 向红艳 +1 位作者 杨哲 范文博 《中国安全科学学报》 北大核心 2025年第9期228-235,共8页
为提高城市轨道交通车站内的安全管理,提出一种基于YOLO11-DeepSort算法的城市轨道交通站内客流检测及预警模型。首先,建立行人头部数据集,并输入YOLO11训练模型参数,提取客流密度;其次,结合DeepSort动态跟踪乘客步行路径,提取客流量、... 为提高城市轨道交通车站内的安全管理,提出一种基于YOLO11-DeepSort算法的城市轨道交通站内客流检测及预警模型。首先,建立行人头部数据集,并输入YOLO11训练模型参数,提取客流密度;其次,结合DeepSort动态跟踪乘客步行路径,提取客流量、步行速度;然后,针对换乘通道、楼梯、站台等局部瓶颈的客流状态参数提取结果,运用模糊C均值聚类(FCM)算法将客流状态划分为6小类,并根据客流状态对应的危险等级分为4个预警等级;最后,以重庆轨道交通观音桥站为例,用前4天真实场景视频进行参数识别分析,训练FCM算法后得到聚类中心与阈值。运用训练后的算法对第5天的视频进行分类,并比较全天、高峰、平峰时段的分类结果。结果表明:站台是全天客流拥挤时间最长、风险最大的区域,站台高峰时段拥挤时长占比70%,一级预警时长占比15%;其次是楼梯,高峰拥挤时长占比46%,一级预警时长占比10%;最后是通道,高峰时段拥挤时长占比41%,一级预警时长占比5%。 展开更多
关键词 YOLO11 deepsort 城市轨道交通 客流状态 模糊C均值聚类(FCM)算法 预警
原文传递
基于YOLOv5和DeepSort算法的工程车辆识别与多目标跟踪实现 被引量：3
7
作者 孙长虹 孙洪亮 李轩 《科学技术创新》 2025年第4期111-114,共4页
本研究聚焦于传统目标检测技术与基于深度神经网络的工程车辆检测策略的对比分析。通过借助有效技术手段,采用降噪、增强及边缘检测的方式,对图像的质量进行有效优化。为了确保工程车辆检测过程的专业性与高精度,我们借助YOLOv5算法对... 本研究聚焦于传统目标检测技术与基于深度神经网络的工程车辆检测策略的对比分析。通过借助有效技术手段,采用降噪、增强及边缘检测的方式,对图像的质量进行有效优化。为了确保工程车辆检测过程的专业性与高精度,我们借助YOLOv5算法对其进行了处理,该算法的运用可以进一步提高处理速度。对于检测时容易出现的目标遗漏与预测框定位不准确情况,我们借助DeepSORT算法,通过全面的整合对检测目标进行了追踪预测。DeepSORT通过卡尔曼滤波进行数据估计,能实现高效的连续跟踪。为应对拍摄设备晃动及车辆变速行驶引发的目标身份频繁更迭挑战,我们创新性地采用了一种改进的GIoU计算方法。 展开更多
关键词 YOLOv5算法 工程车辆检测 deepsort算法 多目标跟踪 实时检测
在线阅读 下载PDF
基于改进YOLOv5s+DeepSORT的集装箱码头移动目标识别跟踪算法研究
8
作者 陈东红 汪承志 +4 位作者 李元淏 王逸飞 赵桑岚 刘臻 冯冬颖 《水运工程》 2025年第7期172-181,共10页
过去基于深度学习的检测器性能较差,尺度变化、背景变化和视觉遮挡降低了原始图像定位的准确性。为此,提出一种改进的YOLOv5s+DeepSORT模型,以提高对码头环境的适应性。为增强多尺度加载对象的鲁棒性,将多尺度卷积嵌入YOLOv5s,同时增加... 过去基于深度学习的检测器性能较差,尺度变化、背景变化和视觉遮挡降低了原始图像定位的准确性。为此,提出一种改进的YOLOv5s+DeepSORT模型,以提高对码头环境的适应性。为增强多尺度加载对象的鲁棒性,将多尺度卷积嵌入YOLOv5s,同时增加高效金字塔分割注意网络(EPSA),实现了更强大的特征融合多尺度表示,模型平均精度(mAP)从90.05%提高至90.90%。通过分布式排序损失优化原始分类损失函数,减轻了加载对象内部不成比例和码头图像序列中背景变化的影响,提高多目标跟踪精度(MOTA)4.8%。在自建数据集上的实验显示,平均准确率为90.9%,检测准确率为92.2%。 展开更多
关键词 港口码头 深度学习 移动荷载 YOLOv5s deepsort
在线阅读 下载PDF
改进YOLOv4+DeepSORT的城市车流量统计
9
作者 贾仁祥 单鸿涛 《智能计算机与应用》 2025年第7期11-20,共10页
针对原始YOLOv4与DeepSORT算法在车流量统计过程中速度较慢的问题,综合考虑实时性与准确率,提出一种改进的YOLOv4与DeepSORT结合的车流量统计方法。首先,为了提升检测器的速度,采用Mobilenetv3-CA替换YOLOv4的主干网络,降低模型参数量,... 针对原始YOLOv4与DeepSORT算法在车流量统计过程中速度较慢的问题,综合考虑实时性与准确率,提出一种改进的YOLOv4与DeepSORT结合的车流量统计方法。首先,为了提升检测器的速度,采用Mobilenetv3-CA替换YOLOv4的主干网络,降低模型参数量,提升网络的速度;使用CDIoU(Control Distance IoU) loss作为定位损失,使网络预测框与真实框具有更高的重合度;用Focal loss改进置信度损失,使模型在训练过程中更好地学习遮挡车辆特征。然后,采用无迹卡尔曼滤波改进DeepSORT的运动关联,提升跟踪过程的非线性能力;采用车辆颜色特征替代重识别网络的深度特征作为外观信息,降低了跟踪算法的计算耗时。最后,将改进的YOLOv4与DeepSORT算法相结合,在视频中设置虚拟检测线进行车流量统计。实验结果表明,改进后的算法在速度上均超过25 FPS,达到了实时性需求,多个视频的准确率均达到90%。 展开更多
关键词 YOLOv4 deepsort 注意力机制 CDIoU 车流量统计
在线阅读 下载PDF
改进YOLOv7和DeepSort的视频苹果数量检测
10
作者 龚圳玮 彭伟 田雅暄 《计算技术与自动化》 2025年第4期94-101,共8页
单颗苹果树上苹果数量是准确估计苹果园产量的重要参数。由于苹果树上的苹果密度大并且相互叠加,很难对苹果进行自动准确的计数。大多数基于深度学习的方法是通过静态图像进行苹果检测和计数,如果拍摄的区域重复,则重复区域的苹果会被... 单颗苹果树上苹果数量是准确估计苹果园产量的重要参数。由于苹果树上的苹果密度大并且相互叠加,很难对苹果进行自动准确的计数。大多数基于深度学习的方法是通过静态图像进行苹果检测和计数,如果拍摄的区域重复,则重复区域的苹果会被重复计数。为此,提出了一种基于视频的多目标跟踪的计数方法,首先,对YOLOv7模型进行改进。将注意力机制和网络的backbone相结合,额外增加一个小目标检测头并且在原边框回归损失中引入归一化的Wassestein距离(Normalized Wasserstein Distance,NWD)以提高算法对微小物体的检测能力。结果表明,改进后的YOLOv7模型mAP比原模型提高了1.61%,达到84.42%。其次,过滤掉DeepSort在跟踪目标时出现的重复目标ID。最后,结合改进后的YOLOv7检测算法和DeepSort跟踪算法,计算出视频中不同的ID个数即是苹果个数,提升了整套算法检测的准确率,准确率达到88.3%。 展开更多
关键词 目标检测 多目标跟踪 损失函数 注意力机制 YOLOv7 deepsort
在线阅读 下载PDF
基于数字孪生框架的YOLOv5和DeepSORT算法在城市交通管理中的应用
11
作者 吴昊程 武装 阚皓元 《管理学家》 2025年第18期46-48,共3页
随着城市化进程加速和人口增长加快,城市交通问题日益突出,传统人工管理难以应对,需要智能化升级。文章探讨了计算机视觉和深度学习技术在智能交通管理中的应用潜力,重点介绍了目标检测与跟踪技术,如YOLOv5和DeepSORT(Deep learning-bas... 随着城市化进程加速和人口增长加快,城市交通问题日益突出,传统人工管理难以应对,需要智能化升级。文章探讨了计算机视觉和深度学习技术在智能交通管理中的应用潜力,重点介绍了目标检测与跟踪技术,如YOLOv5和DeepSORT(Deep learning-based Simple Online and Realtime Tracking)算法。文章研究利用数字孪生技术,生成交通流量数据集,训练YOLOv5模型用于车辆检测与识别,结合DeepSORT算法实现车辆跟踪和速度计算,将检测结果存储于本地,可用于后续分析。该系统能够准确识别、跟踪车辆并计算其平均速度,适用于多种交通场景。该系统强调了数字孪生技术与先进检测跟踪技术整合在智能交通系统中的作用,可显著提升城市交通管理效率,推动城市交通智能化发展。 展开更多
关键词 城市交通管理 深度学习 YOLOv5 deepsort 数字孪生
在线阅读 下载PDF
基于改进YOLO11-DeepSORT模型的“低慢小”无人机识别跟踪算法
12
作者 赵琦云 张赫 +2 位作者 靳崇 李闪 马少华 《火力与指挥控制》 北大核心 2025年第7期125-132,共8页
针对现有基于机器视觉的无人机识别跟踪方法准确率与鲁棒性不足的问题,提出改进YOLO11-DeepSORT模型。通过在YOLO11中引入C3K2-PPA模块强化特征提取,改进损失函数缓解目标-背景失衡问题,并设计基于扩展卡尔曼滤波的EKDeepSORT跟踪算法... 针对现有基于机器视觉的无人机识别跟踪方法准确率与鲁棒性不足的问题,提出改进YOLO11-DeepSORT模型。通过在YOLO11中引入C3K2-PPA模块强化特征提取,改进损失函数缓解目标-背景失衡问题,并设计基于扩展卡尔曼滤波的EKDeepSORT跟踪算法以提升模型跟踪鲁棒性。实验表明,该模型在无人机高空数据集下较现有模型的平均精度均值及跟踪精确率分别提升3.4%和32.5%。 展开更多
关键词 无人机 目标识别跟踪 YOLO11 扩展卡尔曼 deepsort
在线阅读 下载PDF
基于YOLO-DeepSORT的隧道车辆速度实时检测研究
13
作者 牟宏霖 王歆远 田俊山 《交通节能与环保》 2025年第4期65-71,共7页
随着城市交通网络扩展,隧道在提升通行效率中作用关键,但其封闭性易引发超速等安全问题,亟需高效车流监测技术。本研究提出基于YOLOv8与DeepSORT的隧道车辆速度实时检测系统,旨在实现精准车辆识别、稳定轨迹跟踪及可靠速度分析。系统采... 随着城市交通网络扩展,隧道在提升通行效率中作用关键,但其封闭性易引发超速等安全问题,亟需高效车流监测技术。本研究提出基于YOLOv8与DeepSORT的隧道车辆速度实时检测系统,旨在实现精准车辆识别、稳定轨迹跟踪及可靠速度分析。系统采用YOLOv8s识别小汽车、大货车和大客车,结合DeepSORT利用卡尔曼滤波与匈牙利匹配生成连续轨迹;速度估算基于像素-物理坐标映射与滑动窗口平滑,以100 km/h为阈值触发超速预警,并叠加检测框与告警信息。以京台高速隧道监控视频为数据集,实验显示分类准确率达96%、100%、91%。 展开更多
关键词 YOLOv8 deepsort 车速检测 超速预警 智能交通
在线阅读 下载PDF
基于改进YOLOv7-DeepSort的水利视频检测技术
14
作者 陈瑞刚 肖乃尧 +1 位作者 顾世杰 童安涛 《陕西水利》 2025年第11期116-118,128,共4页
传统的监控手段难以满足水利工程现代化管理需求,尤其是在动态目标监测方面的挑战日益突出。针对水利视频监控中的车辆和人员的高效检测与追踪问题,文章提出了一种基于改进YOLOv7与DeepSort的目标检测与追踪方法。首先针对YOLOv7模型在... 传统的监控手段难以满足水利工程现代化管理需求,尤其是在动态目标监测方面的挑战日益突出。针对水利视频监控中的车辆和人员的高效检测与追踪问题,文章提出了一种基于改进YOLOv7与DeepSort的目标检测与追踪方法。首先针对YOLOv7模型在处理水利场景中的复杂背景和多目标重叠问题,提出了网络结构的优化,以提高其对车辆和人员的检测精度。接着,结合YOLOv7的目标检测能力与DeepSORT追踪算法,进一步增强了在连续视频帧中对目标的稳定追踪。在钱塘江实际数据集上的检测结果表明,所提方法能够在复杂的水利视频环境中高效地检测和追踪车辆与人员,具有较高的准确率和实时性。 展开更多
关键词 水利视频监控 YOLOv7 deepsort 车辆检测 人员检测
在线阅读 下载PDF
基于YOLOv5与DeepSort算法的变电站作业人员不安全行为实时检测和追踪
15
作者 孙建军 《计算机应用文摘》 2025年第24期75-77,共3页
提出一种基于YOLOv5目标检测算法与DeepSort多目标跟踪算法的变电站作业人员不安全行为实时检测与追踪系统。该系统通过YOLOv5实现作业人员不安全行为(未佩戴安全帽、闯入高压区域、接近带电设施等)的快速检测,并结合DeepSort实现对作... 提出一种基于YOLOv5目标检测算法与DeepSort多目标跟踪算法的变电站作业人员不安全行为实时检测与追踪系统。该系统通过YOLOv5实现作业人员不安全行为(未佩戴安全帽、闯入高压区域、接近带电设施等)的快速检测,并结合DeepSort实现对作业人员跨帧身份一致性的高精度跟踪。实验结果表明,该系统在实际变电站监控视频中具有较高的检测精度和跟踪稳定性,可有效支撑智能安防建设,对提升电力行业生产安全水平具有重要意义。 展开更多
关键词 YOLOv5 deepsort 不安全行为检测 目标跟踪 变电站安全
在线阅读 下载PDF
基于YOLOv11-DeepSORT改进的遥感图像舰船多目标跟踪算法
16
作者 苏小璇 齐向阳 范怀涛 《科技创新与应用》 2025年第28期23-32,共10页
遥感图像舰船多目标跟踪技术在海洋监测、环境保护等领域具有重要意义。目前基于检测的多目标跟踪方法是主流方法,跟踪性能好坏极其依赖于检测网络的性能。针对现有检测算法存在的检测网络精度不高进而导致跟踪算法性能较低的问题,该文... 遥感图像舰船多目标跟踪技术在海洋监测、环境保护等领域具有重要意义。目前基于检测的多目标跟踪方法是主流方法,跟踪性能好坏极其依赖于检测网络的性能。针对现有检测算法存在的检测网络精度不高进而导致跟踪算法性能较低的问题,该文做出如下改进,提出一种基于RMS-FPN特征增强网络的YOLOv11目标检测算法,并结合LDConv在主干网络设计用于遥感图像舰船检测的舰船浅层特征提取模块SSFT及舰船语义特征提取模块SDFT,整体算法相较于改进前YOLOv11算法精确率提升11.0%,召回率提升5.0%,mAP50提升10.4%,mAP50-95提升5.2%;对DeepSORT网络的特征提取网络进行改进,将原有ResNet网络替换为EfficientNet,改进后YOLOv11-DeepSORT网络较改进前算法MOTA提升29.92%,IDF1提升4.14%,IDs降低53。 展开更多
关键词 舰船检测 舰船跟踪 YOLOv11 deepsort 特征增强网络
在线阅读 下载PDF
基于YOLOv7和DeepSort模型的人流量密度检测防踩踏系统设计
17
作者 荣咨轩 孙佳琪 任可欣 《移动信息》 2025年第1期219-221,共3页
随着经济的发展和人口密度的增加,公共场所的人群管理和踩踏问题日益凸显。文中提出了一种基于Deep⁃Sort和YOLOv7的人流量监测防踩踏系统,旨在实现人群流量的准确、实时统计及预警,为公共安全提供保障。该系统利用YOLOv7实时目标检测算... 随着经济的发展和人口密度的增加,公共场所的人群管理和踩踏问题日益凸显。文中提出了一种基于Deep⁃Sort和YOLOv7的人流量监测防踩踏系统,旨在实现人群流量的准确、实时统计及预警,为公共安全提供保障。该系统利用YOLOv7实时目标检测算法,从视频或图像中快速准确地识别出行人目标,并采用DeepSort目标跟踪算法,对检测到的行人目标进行稳定跟踪,以实现连续、准确的人群流量统计。通过DeepSort和YOLOv7的协同工作,该系统能实时处理视频数据,生成详细的人流量统计报表和可视化图表,为管理者提供直观、全面的数据支持。同时,系统还具备异常预警功能,当监测到人群密度超过预设阈值时,能自动触发警报,协助相关部门迅速采取疏散措施,有效防止踩踏事件的发生。 展开更多
关键词 视频监测 YOLOv7 deepsort 防踩踏
在线阅读 下载PDF
改进YOLOv5s和DeepSORT的行人跟踪算法
18
作者 王世刚 邓珍妮 饶淼淼 《计算机系统应用》 2025年第8期179-187,共9页
针对YOLOv5s算法作为DeepSORT的目标检测器具有计算量大、模型复杂以及检测精度有待提高等问题.首先,引入GhostNet轻量化模块对YOLOv5s模型进行轻量化,减少模型的参数量与计算量,以满足移动端的部署要求;其次,引入ECA注意力机制,增强模... 针对YOLOv5s算法作为DeepSORT的目标检测器具有计算量大、模型复杂以及检测精度有待提高等问题.首先,引入GhostNet轻量化模块对YOLOv5s模型进行轻量化,减少模型的参数量与计算量,以满足移动端的部署要求;其次,引入ECA注意力机制,增强模型的感知能力,提升检测性能;最后,对YOLOv5s模型进行知识蒸馏,进一步提升模型的检测精度.改进后的YOLOv5s在精确度、召回率和mAP@0.5上与未改进的YOLOv5s相比分别提高2%、1%和0.8%,模型参数量降低47%,模型复杂度降低48%.将改进后的YOLOv5s与DeepSORT算法相结合,与未改进的YOLOv5s相比在MOTA、MOTP和IDF1上分别提升1.2%、3.1%和2.7%,IDS下降35.通过实验验证,改进后的YOLOv5s作为检测器能够提升检测速度,减少行人ID的切换,能有效应用于行人跟踪. 展开更多
关键词 目标检测 目标跟踪 YOLOv5s deepsort
在线阅读 下载PDF
基于YOlOv8+DeepSORT的儿童跌倒检测算法
19
作者 夏妍欢 石玲 +1 位作者 沈欣怡 荆梓恒 《中国新技术新产品》 2025年第8期123-126,共4页
儿童跌倒/坠伤在儿童伤害原因中居前列,而现有跌倒检测模型多针对老年人。本文聚焦儿童跌倒检测问题,采用基于YOLOv8-FD结合DeepSORT多目标追踪算法的模型,在C2f模块引入深度可分离卷积优化特征提取并减负,使用加权交叉熵损失函数提高... 儿童跌倒/坠伤在儿童伤害原因中居前列,而现有跌倒检测模型多针对老年人。本文聚焦儿童跌倒检测问题,采用基于YOLOv8-FD结合DeepSORT多目标追踪算法的模型,在C2f模块引入深度可分离卷积优化特征提取并减负,使用加权交叉熵损失函数提高鲁棒性。结果显示,与传统YOLOv8模型相比,改进后模型跌倒检测准确性提高,能满足多数场景儿童精细化保护需求。该模型可为儿童监护提供有效技术支持,有助于推动儿童跌倒检测技术发展,提高儿童安全保障水平。 展开更多
关键词 YOLOv8 deepsort 目标检测 跌倒检测
在线阅读 下载PDF
基于改进DeepSORT的群养生猪行为识别与跟踪方法 被引量：28
20
作者 涂淑琴 刘晓龙 +3 位作者 梁云 张宇 黄磊 汤寅杰 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期345-352,共8页
为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换... 为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。 展开更多
关键词 群养生猪 目标检测 行为识别 多目标跟踪 deepsort
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 9 下一页 到第 页
使用帮助 返回顶部