基于优化DeepSort的前方车辆多目标跟踪

摘要：

为了提升自动驾驶汽车对周边环境的感知能力,提出优化DeepSort的前方多车辆目标跟踪算法.采用Gaussian YOLO v3作为前端目标检测器,基于DarkNet-53骨干网络训练,获得专门针对车辆的检测器Gaussian YOLO v3-vehicle,使车辆检测准确率提升3％.为了克服传统预训练模型没有针对车辆类别的缺点,提出采用扩增后的VeRi数据集进行重识别预训练.提出结合中心损失函数与交叉熵损失函数的新损失函数,使网络提取的目标特征有更好的类内聚合以及类间分辨能力.试验部分采集不同环境的实际道路视频,采用CLEAR MOT评价指标进行性能评估.结果表明,与基准DeepSort YOLO v3相比,跟踪准确度提升1％,身份切换次数减少4％.

关键词：自动驾驶;环境感知;深度学习;优化DeepSort算法;目标跟踪

所属期刊栏目：55

分类号：U462(汽车工程)

资助基金：国家重点研发计划资助项目;国家自然科学基金资助项目;国家自然科学基金区域创新发展联合基金资助项目;河北省省级科技计划资助项目

在线出版日期：2021-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1056-1064