检索结果-南通市图书馆

Special Vehicle Target Detection and Tracking Based on Virtual Simulation Environment and YOLOv5-Block+deepsort Algorithm

引用

Computers, Materials & Continua 2024年第11期81卷 3241-3260页

作者： Mingyuan Zhai Hanquan Zhang Le Wang Dong Xiao Zhengmin Gu Zhenni Li College of Information Science and Engineering Northeastern UniversityShenyang110819China Flight Control Department Shenyang Aircraft Design and Research InstituteShenyang110035China Department of Information Center The First Hospital of China Medical UniversityShenyang110001China

In the process of dense vehicles traveling fast,there will be mutual occlusion between vehicles,which will lead to the problem of deterioration of the tracking effect of different vehicles,so this paper proposes a research method of virtual simulation video vehicle target tracking based on you only look once(YOLO)v5s and deep simple online and realtime tracking(deepsort).Given that the deepsort algorithm is currently the most effective tracking method,this paper merges the YOLOv5 algorithm with the deepsort *** it adds the efficient channel attention networks(ECA-Net)focusing mechanism at the back for the cross-stage partial bottleneck with 3 convolutions(C3)modules about the YOLOv5 backbone network and before the up-sampling of the Neck feature *** YOLOv5 algorithm adopts expected intersection over union(EIOU)instead of complete intersection over union(CIOU)as the loss function of the target frame *** improved YOLOv5 algorithm is named *** experimental results show that in the special vehicle target detection(TD)and tracking in the virtual simulation environment,The YOLOv5-Block algorithm has an average accuracy(AP)of 99.5%,which significantly improves the target recognition correctness for typical occlusion cases,and is 1.48 times better than the baseline *** the virtual simulation video sequence test,multiple objects tracking accuracy(MOTA)and various objects tracking precision(MOTP)improved by 10.7 and 1.75 percentage points,respectively,and the number of vehicle target identity document(ID)switches *** with recent mainstream vehicle detection and tracking models,the YOLOv5-Block+deepsort algorithm can accurately and continuously complete the detection and tracking tasks of special vehicle targets in different scenes.

关键词： YOLOv5 deepsort virtual simulation attention mechanism

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Solving traffic data occlusion problems in computer vision algorithms using deepsort and quantum computing

引用

Journal of Traffic and Transportation Engineering(English Edition) 2024年第1期11卷 1-15页

作者： Frank Ngeni Judith Mwakalonge Saidi Siuhi Department of Engineering South Carolina State UniversityOrangeburgSC 29117USA

Inaccuracies of traffic sensors during traffic counting and vehicle classification have persisted as transportation agencies have been prompted to calibrate sensors *** of multiple objects,heavy occlusions,and similar appearances in congested places are some causes of computer vision model *** paper used the YOLOv5 model for detection and the deepsort model for tracking *** to the nature of the reported problem caused by many misses and mismatches,the power of quantum computing with the alternating direction method of multipliers(ADMM)optimizer was leveraged.A basic Kalman filter and the Hungarian algorithm features were used in combination with a quantum optimizer to present robust multiple object tracking(MOT)*** hybrid combination of the classical and quantum model has fastened learning the occludes during frame matching of tracks and detections by generating minimum quantum cost function *** with the existing models indicated a significant increase in the primary MOT metric multiple object tracking accuracy(MOTA)by 16%more than the regular YOLOv5-deepsort model when using a quantum ***,a 6%multiple object tracking precision(MOTP)increases and a 6%identification metrics(F_(1))score increase were observed using the quantum optimizer with identity switching reduced from 6 to *** model is expected to assist transportation officials in improving the accuracy of traffic counts and vehicle classification and reduce the need for regular computer vision software calibration.

关键词： Traffic classification Traffic counting deepsort YOLOv5 Quantum computing

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进deepsort的群养生猪行为识别与跟踪方法

引用

农业机械学报 2022年第8期53卷 345-352页

作者：涂淑琴刘晓龙梁云张宇黄磊汤寅杰华南农业大学数学与信息学院广州510642 华南农业大学电子工程学院广州510642

为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进deepsort行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换... 详细信息

为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进deepsort行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进deepsort算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与deepsort算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进deepsort算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。

关键词：群养生猪目标检测行为识别多目标跟踪 deepsort

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于YOLO v5+deepsort算法的羊群游走同步群体决策行为研究

引用

农业机械学报 2024年第6期55卷 229-236页

作者：刘成岳训山东农业大学信息科学与工程学院泰安271018

随着畜牧养殖智能化监控技术的产业化应用,进一步提升畜禽养殖的分类施策精细化管理,成为现代畜牧业精细高效养殖管理的新需求。采用固定机位、多角度视频采集技术,实时记录羊群牧食过程中的游走行为;针对羊群游走视频中易出现遮挡的复... 详细信息

随着畜牧养殖智能化监控技术的产业化应用,进一步提升畜禽养殖的分类施策精细化管理,成为现代畜牧业精细高效养殖管理的新需求。采用固定机位、多角度视频采集技术,实时记录羊群牧食过程中的游走行为;针对羊群游走视频中易出现遮挡的复杂情况,设计了基于YOLO v5模型的羊群多目标检测模型,羊群游走过程中的多目标实时跟踪识别率可达90.63%;采用羊群游走多目标轨迹跟踪deepsort算法,通过提取羊目标的深度表观特征,计算出羊群游走轨迹和变化节拍规律。结果表明,羊的游走过程通常为慢走、快走和疾走3种方式,单只羊的游走过程通常是不固定的随机组合。在中大规模羊群中,由于亲缘关系结构的复杂性,羊群往往分化为多个小群体,这使得从整体上观察和分析羊群行为变得异常困难。为此,聚焦于小规模羊群进行研究,通过羊群散列、聚集和同步3个游走过程分析,初步验证了羊群游走节拍周期上的同步现象。

关键词：羊群群体决策同步智慧畜牧目标跟踪 YOLO v5 deepsort

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Micro-CT和改进deepsort的再生稻再生芽追踪计数与再生力评价

引用

农业工程学报 2023年第11期39卷 165-174页

作者：黄成龙华向东黄诗豪卢智浩董佳乐张俊杨万能华中农业大学工学院武汉430070 农业农村部长江中下游农业装备重点实验室武汉430070 华中农业大学作物遗传改良全国重点实验室武汉430070

再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和... 详细信息

再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和改进的deepsort(simple online and realtime tracking)的再生芽多目标追踪计数和再生力评价方法。首先采用Micro-CT成像获取再生季水稻断层图视频流,然后利用YOLOv5s网络作为再生芽追踪检测器,最后通过改进的deepsort追踪算法实现水稻再生芽的精准追踪计数。其中deepsort改进包括优化再生芽追踪过程中的ID错误;增加再生芽目标追踪的匹配次数,改善ID跳变的问题;计算再生芽的高度信息,实现对再生芽中有效芽的判别。试验结果表明,在目标检测上,YOLOv5s对再生芽和茎秆的平均检测准确率分别为97.3%和99.1%,在再生芽多目标追踪上,改进的deepsort算法的多目标跟踪准确度为77.61%,高阶跟踪精度为61.73%,ID跳变为6,与改进之前相比,多目标跟踪准确度和高阶跟踪精度分别提升了1.5和8.5个百分点,ID跳变降低了94%。对8种不同处理共104盆水稻再生芽进行追踪计数,将系统测量值与人工测量值进行统计对比,结果证明本文方法测量的再生芽数量和人工观测值的决定系数为0.983,均方根误差为3.460,平均绝对百分比误差为5.647%,两者具有较高的回归性。研究基于有效再生芽和茎秆数量的比值得到水稻早期再生力,对2个水稻品种共38盆水稻的再生力和再生季实际产量进行相关分析得到决定系数分别为0.795和0.764。该研究为水稻再生芽无损检测和再生力早期评价提供了一种技术途径。

关键词：检测 Micro-CT成像 deepsort 目标追踪计数再生稻再生芽水稻再生力

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5s和deepsort的井下人员检测及跟踪算法

引用

煤炭科学技术 2023年第10期51卷 291-301页

作者：邵小强李鑫杨涛杨永德刘士博原泽文西安科技大学电气与控制工程学院陕西西安710054

矿井移动目标的实时监测及跟踪系统是建设智慧矿山必不可少的内容,井下巡检机器人的出现可以实现对作业人员的实时监测,但是井下光照不均、煤尘干扰等因素的存在导致传统图像检测算法无法准确检测出作业人员。基于此提出一种可部署于井... 详细信息

矿井移动目标的实时监测及跟踪系统是建设智慧矿山必不可少的内容,井下巡检机器人的出现可以实现对作业人员的实时监测,但是井下光照不均、煤尘干扰等因素的存在导致传统图像检测算法无法准确检测出作业人员。基于此提出一种可部署于井下巡检机器人的改进YOLOv5s和Deep-SORT的井下人员检测及跟踪算法。首先利用监控摄像头与巡检机器人所录视频制作数据集,然后使用改进YOLOv5s网络对井下人员进行识别:考虑到井下人员检测及跟踪算法包含复杂的网络结构和庞大的参数体量,限制了检测模型的响应速度,使用改进轻量化网络ShuffleNetV2替代原YOLOv5s主干网络CSP-Darknet53。同时,为减少图像中复杂背景的干扰,提升作业人员的关注度,将Transformer自注意力模块融入改进ShuffleNetV2。其次,为了使多尺度特征能够有效融合且使得推理信息能够有效传输,将Neck中FPN+PAN结构替换为BiFPN结构。接着利用改进deepsort对人员进行编码追踪:考虑到井下环境黑暗,照度低,无纹理性,deepsort难以有效提取到人员的外观信息,于是采用更深层卷积替换deepsort中小型残差网络来强化deepsort的外观信息提取能力。最后通过公开行人数据集及自建井下人员检测及跟踪数据集对本文改进算法进行验证,结果表明:改进的检测模型相比于原YOLOv5s模型平均检测精度提高了5.2%,参数量减少了41%,速度提升了21%;改进YOLOv5s-deepsort的井下人员跟踪方法精度达到了89.17%,速度达到了67FPS,可以有效部署于井下巡检机器人实现作业人员的实时检测及跟踪。

关键词：井下巡检机器人 YOLOv5s 轻量化 deepsort 实时检测及跟踪

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进YOLOv8s与deepsort的矿工帽带检测及人员跟踪

引用

计算机工程与应用 2024年第5期60卷 328-335页

作者：丁玲缪小然胡建峰赵作鹏张新建江苏联合职业技术学院徐州财经分院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 河南龙宇能源股份有限公司陈四楼煤矿河南永城476600

不系帽带,安全帽等于没戴。然而现有的安全帽检测方法,缺乏对帽带异常佩戴的检测研究。针对此问题,结合煤矿井下特殊的作业环境,以人员安全帽帽带检测及人员跟踪为研究对象,提出了CM-YOLOv8s算法检测安全帽及其帽带,利用deepsort算法对... 详细信息

不系帽带,安全帽等于没戴。然而现有的安全帽检测方法,缺乏对帽带异常佩戴的检测研究。针对此问题,结合煤矿井下特殊的作业环境,以人员安全帽帽带检测及人员跟踪为研究对象,提出了CM-YOLOv8s算法检测安全帽及其帽带,利用deepsort算法对未系帽带的作业人员进行跟踪。利用井下监控视频制作数据集,使用CM-YOLOv8s对井下人员安全帽帽带进行检测:在YOLOv8s的基础上引入更高分辨率的特征图并新增了一种级联查询机制,在不提高计算成本的前提下能完成对小物体更精准的检测。利用改进deepsort对人员进行编码追踪:采用更深层卷积替换deepsort中小型残差网络来强化外观信息提取能力。通过自制井下安全帽帽带检测及跟踪数据集对改进算法进行验证,实验结果表明:CM-YOLOv8s的安全帽帽带识别算法平均精度均值达到92.3%,较YOLOv8s提高4.2个百分点。此外,基于CM-YOLOv8s与deepsort的安全帽规范佩戴识别系统的平均准确率为85.37%,检测速度达到59 FPS。提出的安全帽帽带检测算法,通过检测帽带是否在人员下颚附近来鉴别安全帽是否规范佩戴,能较好地平衡检测速度与精度,并能适应复杂的井下环境。通过在陈四楼煤矿数月的应用表明,实现了对安全帽佩戴异常的监测预警,加强了对矿工规范佩戴安全帽的有效监管。

关键词：安全帽帽带检测实时监测 YOLOv8 deepsort

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进deepsort算法的摩托车头盔佩戴检测

引用

计算机工程与应用 2023年第5期59卷 194-204页

作者：冉险生张之云陈卓苏山杰陈俊豪重庆交通大学机电与车辆工程学院重庆400047

为了解决在实际道路场景中对摩托车驾乘者头盔佩戴情况的检测与跟踪问题,提出一种优化的deepsort多目标跟踪摩托车头盔检测算法。使用改进的YOLOv3算法作为目标检测器,该方法采用MobileNetv3-Large作为YOLOv3特征提取网络,以轻量化网络... 详细信息

为了解决在实际道路场景中对摩托车驾乘者头盔佩戴情况的检测与跟踪问题,提出一种优化的deepsort多目标跟踪摩托车头盔检测算法。使用改进的YOLOv3算法作为目标检测器,该方法采用MobileNetv3-Large作为YOLOv3特征提取网络,以轻量化网络结构,借鉴CEM模块的思想,引入SoftPool池化层和SE模块,构建了深浅语义融合增强模块,加强网络对输入特征深浅语义的编码能力。为了实现摩托车头盔佩戴分类和deepsort算法中外观特征识别模型的优化,构建多任务学习框架,通过对比损失函数和改进的交叉损失函数对多任务网络进行迭代训练来提升相似度学习能力和实现最终头盔佩戴情况分类。实验结果表明:在目标检测方面,改进网络的摩托车检测精度相较原始算法提升了4.56个百分点,模型大小仅为YOLOv3的13.7%。结合deepsort算法,多目标跟踪准确率相较于YOLOv3-deepsort算法从51.6%提升到了67.5%,多目标跟踪精度从57.3%提升到75.6%,检测追踪速度由6 FPS提升到了20 FPS,最终的NPH模型检测分类精度为72.42%。实现了对实际道路中摩托车驾乘人员头盔佩戴检测及追踪,具有较强的实用价值。

关键词： YOLOv3 deepsort 多任务学习摩托车头盔佩戴检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

复杂环境下基于改进deepsort的行人实时稳定跟踪方法

引用

液晶与显示 2023年第8期38卷 1128-1138页

作者：张丽娟张紫薇姜雨彤李东明胡梦达刘英雪无锡学院物联网工程学院江苏无锡214105 长春工业大学计算机科学与工程学院吉林长春130012 中国北方车辆研究所北京100072 吉林农业大学信息技术学院吉林长春130118

实时多目标跟踪算法取得了理想的跟踪性能,但大多数现有算法的跟踪速度较慢,且随着背景复杂度的增加,跟踪精度也随之降低。针对此问题,本文提出了基于在线数据关联的行人实时跟踪算法。首先,设计了核相关滤波和卡尔曼滤波双轨道预测机制... 详细信息

实时多目标跟踪算法取得了理想的跟踪性能,但大多数现有算法的跟踪速度较慢,且随着背景复杂度的增加,跟踪精度也随之降低。针对此问题,本文提出了基于在线数据关联的行人实时跟踪算法。首先,设计了核相关滤波和卡尔曼滤波双轨道预测机制,配合deepsort中的级联匹配形成了预测-跟踪-校准体系,使数据关联更加可靠。此外,在目标检测部分引入了注意力机制,通过强化目标对象的位置信息增强特征表示能力,从而提升跟踪的精度。该模型在MOT16数据集上的MOTA达到了66.5%、IDF1达到了64.2%、IDSW达到了641。与deepsort算法对比,MOTA和IDF1分别提升了13%和13.2%,IDSW下降了410。本文算法有助于解决行人实时跟踪时出现的目标误检、漏检等问题,在跟踪中对严重遮挡情况仍保持了较高的跟踪精度,在复杂环境下可以实现行人实时稳定跟踪。

关键词：多目标跟踪实时跟踪 YOLOv5 核相关滤波算法 deepsort

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于YOLOv5⁃deepsort融合的低帧率水面航行多目标跟踪算法

引用

大连海事大学学报 2024年第1期50卷 94-101页

作者：付诗文韩星程王黎明武国强王鸿儒马文王志勇中北大学信息与通信工程学院太原030051 太原重工股份有限公司太原030024 山西太重数智科技股份有限公司太原030024 山西国化能源有限责任公司太原030000

针对游弋舰船或近水面航行的潜艇等目标在低帧率或视频图像中缺失部分帧情况下,跟踪目标帧与帧之间存在较大差距,导致跟踪精度下降、效率低的问题,提出一种基于YOLOv5与deepsort融合的水面航行多目标跟踪算法。首先,引入超分辨率重建网... 详细信息

针对游弋舰船或近水面航行的潜艇等目标在低帧率或视频图像中缺失部分帧情况下,跟踪目标帧与帧之间存在较大差距,导致跟踪精度下降、效率低的问题,提出一种基于YOLOv5与deepsort融合的水面航行多目标跟踪算法。首先,引入超分辨率重建网络对跟踪目标图像进行增强,以消除云雾及海浪对识别网络的干扰,使图像中目标特征清晰化;其次,在YOLOv5中引入ShuffleAttention注意力模块以增强识别网络对目标特征的提取能力;最后,在deepsort算法级联匹配中引入欧氏距离匹配替代IOU匹配,以此提升目标跟踪精度。仿真结果表明,本文算法的跟踪效果良好,改进的YOLOv5模型相对mAP50⁃95值提升了9.4%;在deepsort跟踪网络中,跟踪准确率对比优化前提升了8.11%。

关键词：船舶水面航行多目标跟踪超分辨率重建 YOLOv5 deepsort 欧氏距离匹配

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：