基于改进ByteTrack的高铁周界入侵监测方法研究
本文旨在应对高铁周界环境复杂、小目标多等情况,研究周界入侵行为的识别与跟踪问题,并提出一种改进ByteTrack算法.本文融合YOLOv7-X与BYTE数据关联方法对模型进行改进,并且引入卷积块注意力机制以提升周界复杂环境下前景目标的识别效果,利用空间-深度转化模块优化跨步卷积与池化层,改善小目标识别时下采样导致的细粒度信息丢失情况.制作铁路周界入侵数据集进行实验,实验结果表明,改进后的模型平均精度达到 95.6%,提升了 9.4%,对大中小目标识别的平均精度均有提升,尤其是对小目标识别效果提升显著,提升了 22.2%.结果表明改进ByteTrack算法在高铁周界复杂环境下能实现入侵行为的识别与跟踪,为高铁周界防护提供技术支持.
高速铁路、周界入侵、ByteTrack、YOLOv7
44
TH865
国家自然科学基金U2268217
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
61-71