改进YOLOv3和DeepSort的多目标跟踪算法

摘要：

针对多 目标跟踪在遮挡时漏检或ID切换问题,提出了 一种基于改进YOLOv3和DeepSort的算法.该算法对YOLOv3用CIOU损失代替原算法中的边界框损失函数,同时用K-means++算法重新聚类选取适合的先验框.采用改进的YOLOv3对目标进行检测,利用卡尔曼滤波进行预测和更新,在级联匹配中用匈牙利算法进行匹配,二次匹配时对未成功匹配及未匹配的检测结果用GIOU匹配.改进后的YOLOv3比原YOLOv3在KITTI数据集上的均值平均精度提高了 2.19％,F1-score提高了 1.23％,该算法能够在部分遮挡时跟踪目标并保持ID不变.

关键词：目标检测跟踪、K-means++聚类算法、完整交并比(CIOU)、广义交并比(GIOU)

所属期刊栏目：32

分类号：TP183(自动化基础理论)

资助基金：天津市自然科学基金青年项目18JCQNJC01500

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：52-57