基于StrongSORT算法的羊只多目标跟踪方法

作     者：赵晓霞 程曼 袁洪波 Zhao Xiaoxia;Cheng Man;Yuan Hongbo

作者机构：河北农业大学机电工程学院河北保定071000 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2024年第45卷第8期

页      面：180-188,195页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0905[农学-畜牧学] 09[农学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：河北省重点研发计划项目(21327402D) 河北农业大学精准畜牧学科群(1090064) 

主　　题：羊只 目标检测 多目标跟踪 改进YOLOv5 StrongSORT 

摘      要：羊只的运动状态能够反映其健康状况,自动跟踪养殖场环境下的目标羊只是统计并分析其运动状态的前提。以圈养的羊只为试验对象,以YOLOv5-CBAM为前端检测器,结合目前比较先进的StrongSORT跟踪器,提出一种基于StrongSORT算法的羊只多目标跟踪方法。试验结果表明,在短视频跟踪中,对于10只羊的运动轨迹进行跟踪时,多目标跟踪准确度、多目标跟踪精确度、身份切换次数和IDF1值分别达到91.6%、0.269、52次和70.7%,与YOLOv5+StrongSORT算法相比,提出的YOLOv5-CBAM+StrongSORT算法的多目标跟踪准确度提高0.4%,多目标跟踪精确度基本不变,身份切换次数降低17.5%,IDF1提高3.2%;在长视频跟踪中,多目标跟踪准确度、多目标跟踪精确度、身份切换次数和IDF1值分别为57.3%、0.244、21次和47.9%,YOLOv5-CBAM+StrongSORT的优势主要体现在身份切换次数上,与YOLOv5+ByteTrack、YOLOv5+DeepSORT和YOLOv5+OCSORT相比,分别减少13次、10次和12次。