文献类型：期刊文章

作　　者：赵元龙[1] 单玉刚[2] 袁杰[1]

ZHAO Yuanlong;SHAN Yugang;YUAN Jie(School of Electrical Engineering,Xinjiang University,Urumqi 830017,China;School of Education,Hubei University of Arts and Science,Xiangyang,Hubei 441053,China)

机构地区：[1]新疆大学电气工程学院,乌鲁木齐830017 [2]湖北文理学院教育学院,湖北襄阳441053

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61863033,62263031);新疆维吾尔自治区自然科学基金(2022D01C53);教育部产学合作协同育人项目(202102602033);湖北省教育科学规划重点课题(2021GA048);襄阳市重点研发项目(高新领域)(2020ABH001799);湖北文理学院2022科研能力培育基金项目(2022KPGPZK09)。

年　　份：2023

卷　　号：59

期　　号：6

起止页码：221-230

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对视频序列中因脸部遮挡、漏检而造成的无法正确判断行人是否佩戴口罩的问题,提出一种基于改进YOLOv7与DeepSORT的佩戴口罩行人跟踪算法。该算法将口罩检测、行人检测与跟踪相结合,通过在YOLOv7的主干网络中添加注意力机制,增加浅层特征图,加强网络对小目标的感知能力,提高口罩检测与行人检测精度;帧内关系模块利用匈牙利算法进行帧内目标关联,对行人进行口罩佩戴标记;将方向差因素加入到DeepSORT算法的关联代价中,消除跟踪轨迹的历史预测方向和新检测速度方向不一致问题;使用改进的DeepSORT算法对行人进行跟踪,并对每条轨迹进行口罩佩戴标记更新,实现对佩戴口罩与未佩戴口罩行人的跟踪。实验结果表明,改进的YOLOv7网络平均检测精度mAP50相比原始算法提升了3.83个百分点;在MOT16数据集上,该算法的跟踪准确性MOTA相较DeepSORT算法提高了17.1个百分点,跟踪精度MOTP提高了2.6个百分点。与检测算法相比,提出的算法能够跟踪到更多的行人是否佩戴了口罩,具有更好的效果。

关 键 词：行人跟踪 口罩检测  注意力机制  

分 类 号：TP391.4]