改进YOLOv5+DeepSort的行人跟踪算法

摘要：

针对复杂环境道路行人跟踪易发生身份丢失、切换的问题,提出一种改进的YOLOv5检测并结合DeepSort跟踪算法.检测阶段,融合注意力模块CBAM与YOLOv5颈部网络增强对行人特征的提取;用SIoU边界框损失函数代替CIoU边界框损失函数,加速边界框回归的同时提高准确定位度.跟踪阶段,改进DeepSort利用拓展卡尔曼滤波器对非线性环境行人位置进行预测,通过匈牙利算法匹配预测和检测轨迹,优化复杂环境下行人身份切换频繁的问题.最后连接改进后的YOLOv5与DeepSort算法,对MOT-16数据集进行检测跟踪.实验结果表明:改进YOLOv5算法较原算法平均精准度提高4％,结合DeepSort跟踪,平均跟踪精确度为63.5％,比原始算法提升了3.4％;行人身份切换次数减少52次,比原始算法减少了6.5％.

关键词：行人跟踪、YOLOv5、DeepSort、特征提取、注意力机制、拓展卡尔曼滤波

所属期刊栏目：46

分类号：TN911.73-34;TP391

资助基金：国家自然科学基金;陕西省科技厅项目;陕西省科技厅项目

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38