10.16208/j.issn1000-7024.2019.07.036
基于YOLO和RRN的运动目标跟踪方法
针对传统的计算机视觉目标跟踪算法无法适应复杂的跟踪变化,处理有遮挡情况鲁棒性差、跟踪精度低等问题,提出一种基于YOLO和RRN的运动目标跟踪算法,它是一种结构简单、运算快速、跟踪准确的深度循环回归网络模型.采用YOLO网络负责物体的外观特征学习,将YOLO的目标检测结果作为输入,与RRN结构中的LSTM网络进行连接,第一个LSTM负责学习物体的运动特征,第二个LSTM负责回归,采用离线的方式训练模型.在跟踪基准VOT 2016数据集上的测试结果表明,YOLO+RRN模型的跟踪精度为68%,跟踪速度可达77 fps,满足高级驾驶辅助系统对目标跟踪的实时性需求,模型对有遮挡情况下的目标跟踪适应性较强,为高级驾驶辅助系统在复杂环境下的目标跟踪性能提供有效保障.
高级驾驶辅助系统、目标跟踪、循环回归网络、计算机视觉、深度学习
40
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61573264
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
2019-2025