-
题名基于DeepSort的多目标车辆跟踪优化算法
被引量：1
- 1
-
-
作者
余海燕
霍爱清
冯若水
-
机构
西安石油大学电子工程学院
-
出处
《智能计算机与应用》
2025年第5期68-74,共7页
-
基金
陕西省科技厅一般项目(2020GY-152)。
-
文摘
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。
-
关键词
DeepSort
nsa卡尔曼滤波
ResNeSt50
密集场景
多目标车辆跟踪
YOLOv5
-
Keywords
DeepSort
nsa kalman filter
ResNeSt50
dense scene
multi-target vehicle tracking
YOLOv5
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
