文献类型：期刊文章

作　　者：张相胜[1] 沈庆[1]

Zhang Xiangsheng;Shen Qing(School of Internet of Things Engineering,Key Laboratory of Advanced Control of Light Industry Process,Ministry of Education,Jiangnan University,Wuxei,Jiangsu 214122,China)

机构地区：[1]江南大学物联网工程学院,轻工过程先进控制教育部重点实验室,江苏无锡214122

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61773182)。

年　　份：2021

卷　　号：58

期　　号：16

起止页码：182-192

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对目前多目标跟踪过程中漏检率高和检测速率慢的问题,提出一种改进YOLOv3网络结构的多目标跟踪算法。首先,利用K-means++聚类算法对数据集中的目标边框进行聚类,根据聚类结果优化网络的先验框参数。然后,在Darknet-53特征提取层中引入深度可分离卷积模块,用深度可分离卷积代替标准卷积,减少参数量,并在YOLO预测层中引入SENet模块,利用SENet模块突出特征图的关键通道信息。最后,选定经典的trackingby-detection框架,使用改进的YOLOv3算法来实现对目标信息的检测工作,跟踪部分选用Deep-SORT算法进行跟踪。实验结果表明,所提出的多目标跟踪算法能够有效地减小漏检率,同时兼顾了算法的检测精度和实时性。

关 键 词：图像处理 多目标跟踪 YOLOv3网络  SENet结构  深度可分离卷积  Deep-SORT算法  

分 类 号：TP391]