改进YOLO与Deepsort检测跟踪算法的研究

摘要：

针对传统YOLO算法检测准确率低和误检率高,以及传统Deepsort算法速度慢和准确率低,并在发生遮挡情况时的跟踪效果会变差的问题,提出了将帧间差分法融入YOLO算法来检测运动目标,采用K邻域筛选运动目标框,结合Deepsort算法完成目标的跟踪.实验结果得出:改进的检测算法识别精度有明显提高,跟踪运行时间更短、准确率更高,即使对于场景中遮挡的目标也能很好地完成跟踪任务.故改进的YOLO算法和Deepsort算法无论对于简单还是复杂场景中的目标检测和跟踪,其准确率更高、效果更加良好.

关键词：目标检测、目标跟踪、深度学习

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省教育厅项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：186-190