基于YOLOv8和DeepSort的多区域行人追踪算法研究

作     者：申士彪 彭健钧 王鸿亮 郭立 魏磊 孟巾凯 SHEN Shibiao;PENG Jianjun;WANG Hongliang;GUO Li;WEI Lei;MENG Jinkai

作者机构：大连工业大学信息科学与工程学院辽宁大连116034 中国科学院沈阳计算技术研究所沈阳110168 中国移动通信集团辽宁有限公司大连分公司辽宁大连116001 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第8期

页      面：1935-1943页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：辽宁省教育厅科学研究经费项目(面上项目)(LJKZ0529)资助 国家留学基金项目(202008210334)资助 

主　　题：行人跟踪 YOLOv8 DeepSort 注意力机制 

摘      要：针对多摄像头重叠场景中行人追踪容易发生身份丢失、切换的问题,本文提出了一种基于YOLOv8和DeepSort的多摄像头跟踪算法.在检测阶段,利用无参注意力机制增强网络对行人特征的提取能力,提高了检测器的性能.在追踪阶段,通过提取两个摄像头的视角关键点,并计算出两个视角的单应性矩阵,实现了不同视角图像的拼接.通过利用目标间的单应性关系,在DeepSort算法中完成目标匹配.并在MOT15数据集中,对所改进的算法进行了测试.实验结果表明,本文提出的基于YOLOv8和DeepSort的改进算法的平均跟踪精确度为63.5%,比原始算法提升了3.4%.改进算法在行人身份切换次数方面减少了52次,比原始算法减少了6.5%.