基于YOLO v5和Deep SORT的行人跟踪系统研究-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

基于YOLO v5和Deep SORT的行人跟踪系统研究认领

被引量： 7

作者：

成瑶

学位授予单位：

西北大学

摘要：

目标跟踪技术是机器视觉领域的热门研究方向,广泛应用于智能产业中。随着深度学习的发展,跟踪算法也取得了重大突破,现有的多目标跟踪多是基于检测的目标跟踪算法,检测结果直接影响跟踪性能。在实际监控场景中,行人检测常常会遇到光照变化、物体遮挡、尺度变化、物体运动等问题,容易发生漏检、误检等情况,特别是在目标较小时,检测性能差。当目标存在遮挡情况时,目标跟踪过程中常常出现跟踪错误和ID-switch等问题。因此亟待解决如何构建一个鲁棒的多目标跟踪系统。本文通过将目标跟踪拆分为目标检测与目标跟踪两个子任务,在目标检测中,寻找一个高效准确的检测器对监控视频中的行人进行检测,在目标跟踪任务中,通过对检测器的检测结果进行数据关联来完成对目标的跟踪。本文主要工作如下:(1)对比Faster-RCNN检测器和YOLO系列检测器,最终选取表现优异的YOLO v5检测器作为行人跟踪系统的前置检测器。同时提出基于小波变换中Gaussian余弦曲线特征提取技术与Distractor分类器结合的识别系统方法来改善YOLO v5模型检测结果,最终检测精度高和准确度均得到提升。(2)使用Deep SORT完成对行人的跟踪,针对跟踪系统中目标由于遮挡等原因导致的行人ID跳变问题,提出基于多维交并比与扩展级联匹配方法的超短距离定位算法,提升了算法匹配效果。改进后Deep SORT跟踪算法,减少误检率的同时提高识别速度和准确度。通过在现有的热门行人多目标跟踪数据集MOT16进行实验,验证了该方案能够有效地提高定位精度,并且在很大范围内对目标进行跟踪,验证其实用性。(3)结合改进后的YOLO v5算法和Deep SORT算法,将YOLO v5作为Deep SORT目标跟踪的检测器,并设计出一款基于日常监控视频的行人检测与跟踪系统,对系统做出了详细的需求分析与设计,完成系统设计后,对系统进行了测试,准确性和稳定性符合预期要求,能够完成对日常监控视频中的行人检测跟踪的工作。

摘要译文

关键词：

深度学习; 行人检测; YOLO v5; 行人跟踪; Deep SORT

学位年度：

2022

学位类型：

硕士

学科专业：

工程硕士（专业学位）

导师：

范训礼

中图分类号：

TP391.41[图形图像识别]

学科分类号：

081104[模式识别与智能系统];081205[人工智能];081206[计算机应用技术];0835[软件工程]

D O I：

10.27405/d.cnki.gxbdu.2022.000776