一种基于深度学习的公路巡检无人机实时目标跟踪算法
公路中心标线的实时跟踪是公路巡检无人机视觉飞行中关键的一环.针对目前主流目标跟踪算法实时性差的问题,提出一种基于改进YOLO(you only look once)v3和Deep-SORT(deep simple online real-time tracking)的目标跟踪模型用于公路巡检无人机自主视觉飞行.通过引入并改进跨阶段局部网络,优化网络层级结构,使用泛化能力更好的激活函数,提升了公路道路标线的检测准确率和无人机平台的检测速度.对检测到的公路标线信息使用Deep-SORT算法进行公路中心标线跟踪.实验结果表明,与几类典型目标跟踪模型相比,在跟踪准确度基本不变的情况下,处理速度提升了数倍.
目标跟踪;目标检测;无人机;深度学习;跨阶段局部网络
32
TP391(计算技术、计算机技术)
内蒙古自治区关键技术攻关计划项目;内蒙古自治区高等学校科学研究重点项目
2021-12-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
927-934