基于改进YOLO和DeepSORT的实时多目标跟踪算法

摘要：

针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和DeepSORT的实时多目标跟踪算法.在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结构以降低对小目标的漏检率;利用改进的GC注意力模块,加强网络对全局上下文特征的提取能力.跟踪部分使用DeepSORT算法,使用匀加速卡尔曼滤波优化其行人运动模型,利用浅层分类网络重构其外观模型,最后在MOT16测试序列中实验.结果表明,改进算法的总参数量为4.2 M,较原算法减少52％且MOTA增加5.2％,GPU下处理时间加快,单CPU时能达到平均每秒11帧的跟踪速度,能满足低算力设备对跟踪任务精度和速度的要求.

关键词：图像处理、多目标跟踪、YOLO v4-Tiny、DeepSORT、深度可分离卷积

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省高校协同创新项目;安徽省重点研发计划项目

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13