检索结果-南通市图书馆

改进YOLOv7和deepsort的井下人员检测与跟踪算法

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年

作者：范伟强王雪瑾张颖慧李晓宇内蒙古大学电子信息工程学院

煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革，而计算机视觉作为一种高效、智能、低成本的新兴技术，已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因... 详细信息

煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革，而计算机视觉作为一种高效、智能、低成本的新兴技术，已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因素的影响，导致现有基于计算机视觉的井下人员监测方法存在实时性差、漏检和误检率高以及跟踪精度差的问题，提出了一种改进YOLOv7和deepsort的井下人员检测与跟踪算法。首先，为了提取到更为关键的井下人员图像特征，提高模型在煤矿井下复杂场景中的适应能力，在YOLOv7的Neck模块中融入SimAM注意力机制，并采用改进后的YOLOv7模型检测井下人员目标。然后，为了在降低模型参数量和网络复杂度的同时，进一步提高人员目标的跟踪精度，在deepsort的特征提取网络中引入ShuffleNetV2轻量化模块，并采用改进的deepsort模型对井下人员目标进行编码跟踪。最后，在已构建的井下人员视频图像数据集与公开数据集上对所述算法进行实验验证，结果表明：改进YOLOv7模型的平均检测精度相比YOLOv7模型提高了3.9%；改进deepsort模型的人员目标跟踪准确率达到了74.9%，跟踪精确度达到了82.3%，速度达到了24FPS。相较于YOLOv7-deepsort算法，本文所述算法的网络参数量减少了36%，显著提高了井下多人员目标检测与跟踪的实时性能，可望部署于井下智能边缘计算监测平台。

关键词：井下人员监测检测与跟踪 YOLOv7模型 deepsort 轻量化

一种基于改进deepsort的淡水环境下鱼类计数方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

海洋渔业 2023年

作者：洪宇叶瑞娟冯国富上海海洋大学信息学院上海海洋大学农业农村部渔业信息重点实验室

提出了淡水环境下一种基于改进deepsort的鱼类计数方法。对水下鱼类视频进行抽帧、标注后，分析不同图像增强算法对浑浊水下环境的适应性，确定最优的增强算法以辅助提升检测精度。在跟踪计数过程中，为提升检测速度，将deepsort算法的... 详细信息

提出了淡水环境下一种基于改进deepsort的鱼类计数方法。对水下鱼类视频进行抽帧、标注后，分析不同图像增强算法对浑浊水下环境的适应性，确定最优的增强算法以辅助提升检测精度。在跟踪计数过程中，为提升检测速度，将deepsort算法的检测器替换为YOLOv4检测算法，并在级联匹配中用完全交并比（CIOU）替换交并比（IOU），提升目标匹配的准确度。应用该方法对水下视频中的鱼类进行跟踪计数，结果表明，跟踪计数效果良好，在20s时长的视频上，本文算法计数平均精度达到91.67%，检测速度为每帧20.83ms，适用于水产养殖环境下鱼类产量的评估。

关键词：鱼类计数图像增强 YOLOv4 CIOU deepsort

基于改进YOLO和deepsort的实时多目标跟踪算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2022年第6期45卷 7-13页

作者：黄凯文凌六一王成军吴起李学松安徽理工大学电气与信息工程学院淮南232001 安徽理工大学人工智能学院淮南232001

针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和deepsort的实时多目标跟踪算法。在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结... 详细信息

针对基于检测的两步多目标跟踪算法模型结构复杂、实时性差的问题,提出一种基于改进YOLOv4-Tiny和deepsort的实时多目标跟踪算法。在YOLOv4-Tiny算法中引入深度可分离卷积,压缩模型计算量;将检测分支增加至3个,并使用多尺度特征融合结构以降低对小目标的漏检率;利用改进的GC注意力模块,加强网络对全局上下文特征的提取能力。跟踪部分使用deepsort算法,使用匀加速卡尔曼滤波优化其行人运动模型,利用浅层分类网络重构其外观模型,最后在MOT16测试序列中实验。结果表明,改进算法的总参数量为4.2 M,较原算法减少52%且MOTA增加5.2%,GPU下处理时间加快,单CPU时能达到平均每秒11帧的跟踪速度,能满足低算力设备对跟踪任务精度和速度的要求。

关键词：图像处理多目标跟踪 YOLOv4-Tiny deepsort 深度可分离卷积

基于Transformer改进的YOLOv5+deepsort的车辆跟踪算法

在线全文

学校读者我要写书评

暂无评论

汽车技术 2024年第7期 9-16页

作者：何水龙张靖佳张林俊莫德赟桂林电子科技大学桂林541004 桂林航天工业学院桂林541001

针对传统目标检测跟踪算法检测精度低、全局感知能力差、对遮挡和小目标物体的识别能力差等问题,提出了一种基于轻量化Transformer改进的YOLOv5和deepsort算法的车辆跟踪方法。首先,利用EfficientFormerV2模型改进YOLOv5算法模型,增强... 详细信息

针对传统目标检测跟踪算法检测精度低、全局感知能力差、对遮挡和小目标物体的识别能力差等问题,提出了一种基于轻量化Transformer改进的YOLOv5和deepsort算法的车辆跟踪方法。首先,利用EfficientFormerV2模型改进YOLOv5算法模型,增强车辆的目标检测能力;然后,利用移位窗口(Swin)模型的优点改进deepsort多目标跟踪算法中的重识别(Re-Identification)模块,提高车辆的跟踪能力和精度;最后,通过数据集KITTI和VeRi开展对比试验和消融实验。结果表明,在复杂工况下,该方法的性能在车辆遮挡和小目标识别方面显著提高,平均准确度达到96.7%,目标跟踪准确度提高了9.547%,编号(ID)切换总次数减少了26.4%。

关键词： YOLOv5 车辆检测 deepsort Transformer

基于YOLOv8和deepsort的多区域行人追踪算法研究

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第8期45卷 1935-1943页

作者：申士彪彭健钧王鸿亮郭立魏磊孟巾凯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

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... 详细信息

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%.

关键词：行人跟踪 YOLOv8 deepsort 注意力机制

融合特征增强与deepsort的疲劳驾驶检测跟踪算法

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2023年第8期42卷 54-62页

作者：冉险生贺帅苏山杰李锐重庆交通大学机电与车辆工程学院重庆400047

为了提高疲劳驾驶检测过程中面部特征识别的连续检测性和鲁棒性,降低车载终端的配置需求,设计了一种轻量化的人脸检测跟踪方法用于驾驶员疲劳检测。首先,采用MobileNetv3-Small作为面部特征提取主干轻量化网络模型,引入简单无参数注意... 详细信息

为了提高疲劳驾驶检测过程中面部特征识别的连续检测性和鲁棒性,降低车载终端的配置需求,设计了一种轻量化的人脸检测跟踪方法用于驾驶员疲劳检测。首先,采用MobileNetv3-Small作为面部特征提取主干轻量化网络模型,引入简单无参数注意力模块(simple,parameter-free attention module,SimAM)和深度超参数化卷积(depthwise over-parameterized convolutional,DOConv)构建特征映射和轻量化特征增强模块深度优化和关注人脸区域信息。然后融合deepsort进行连续分类跟踪,优化面部遮挡对检测性能的影响。接着将人脸特征检测和关键点结合,根据单位时间内眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)疲劳阈值、连续闭眼帧数和打哈欠总数判别疲劳驾驶。实验结果表明,模型的平均精度均值和查全率达到了98.9%和97.2%,提高了1.8%和6.3%;同时,浮点运算量仅为基准模型的28.3%,模型体积仅为7 MB。最终得出疲劳识别率为95.6%,验证了该检测跟踪方法能够在疲劳驾驶检测中有效提取面部特征,达到了较高的检测准确率和鲁棒性,以及车载终端的轻量化部署需求。

关键词： YOLOv5s 轻量化特征增强 deepsort 疲劳驾驶检测

基于deepsort算法的鱼道过鱼种类识别和计数研究

在线全文

学校读者我要写书评

暂无评论

水利水电技术（中英文） 2022年第9期53卷 152-162页

作者：吴必朗柳春娜姜付仁中国水利水电科学研究院北京100038 流域水循环模拟与调控国家重点实验室北京100038 水利部数字孪生流域重点实验室北京100038

为了解决鱼道过鱼监测中鱼类种类识别和计数问题,基于深度学习技术,以异齿裂腹鱼、拉萨裂腹鱼、拉萨裸裂尻和尖裸鲤为目标鱼类,在Y江某水电站鱼道开展过鱼种类识别和计数实验。首先,将过鱼视频制作成数据集,评估Faster R-CNN、YOLOv4和Y... 详细信息

为了解决鱼道过鱼监测中鱼类种类识别和计数问题,基于深度学习技术,以异齿裂腹鱼、拉萨裂腹鱼、拉萨裸裂尻和尖裸鲤为目标鱼类,在Y江某水电站鱼道开展过鱼种类识别和计数实验。首先,将过鱼视频制作成数据集,评估Faster R-CNN、YOLOv4和YOLOv5s 3种目标检测算法的性能。其次对deepsort算法中检测部分做出改进:将目标检测算法由Faster R-CNN替换为YOLOv5s,用于检测视频中的鱼类。然后采用卡尔曼滤波算法和匈牙利匹配算法对检测到的鱼类进行跟踪预测和最优匹配,通过对每一条目标鱼类分配唯一的ID,在视频中部划分虚拟“检测线”的形式,对过线的鱼类实现计数。结果表明:(1)Faster R-CNN、YOLOv4和YOLOv5s的鱼类平均检测准确率分别为80.85%、82.85%和86.6%。其中,YOLOv5s的准确率最高,异齿裂腹鱼、拉萨裂腹鱼、拉萨裸裂尻和尖裸鲤的种类识别准确率分别为94.19%、90.22%、84.57%和77.41%。(2)以YOLOv5s为检测器的deepsort算法鱼类计数平均准确率为71%,异齿裂腹鱼、拉萨裂腹鱼、拉萨裸裂尻和尖裸鲤计数准确率分别为80.7%、66.2%、64.8%和72.4%。研究结果能够为实现鱼道过鱼监测的自动化、智能化提供新方法,为鱼道的运行管理提供决策参考依据。

关键词： deepsort YOLOv5 鱼道过鱼种类识别鱼道过鱼计数深度学习

同方期刊数据库

基于改进YOLOv8n+deepsort的带式输送机异物检测及计数方法

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2024年第8期50卷 91-98页

作者：陈腾杰李永安张之好林斌太原理工大学机械与运载工程学院山西太原030024 太原理工大学山西省煤矿智能装备工程研究中心山西太原030024 太原理工大学智能采矿装备技术全国重点实验室山西太原030024 华晋焦煤有限责任公司沙曲一号煤矿山西吕梁033000

现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+deepsort的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,... 详细信息

现有带式输送机异物检测方法存在提取目标语义信息能力弱、检测精度差等问题,且仅对异物进行识别检测,不能准确计算异物数量。针对该问题,设计了一种基于改进YOLOv8n+deepsort的带式输送机异物检测及计数方法。对YOLOv8n模型进行改进,再使用改进YOLOv8n(MSF−YOLOv8n)模型对带式输送机异物进行识别;将MSF−YOLOv8n模型的异物检测结果作为deepsort算法的输入,实现带式输送机异物跟踪和计数。YOLOv8n改进方法:使用C2f_MLCA模块替换主干网络中的C2f模块,提高网络在颜色信息单一环境下的信息提取能力;使用分离和增强注意力模块(SEAM)改进Head部分,以提高异物被遮挡情况下的检测精度;采用Focaler−IoU优化损失函数,解决检测目标形状差异大的问题。MSF−YOLOv8n模型性能验证实验结果表明,MSF−YOLOv8n模型的mAP50达93.2%,相较于基础模型提高了2.1%;参数量仅为2.82×10^(6),比基础模型少了0.19×10^(6),更适合部署到巡检机器人等边缘设备中;检测精度比YOLOv5s,YOLOv7,YOLOv8s算法分别高2.2%,1.3%,0.3%;其帧率虽然比YOLOv8s和YOLOv8n低,但仍可满足视频实时性检测要求。异物检测及计数实验结果表明,deepsort算法的准确率达80%,可准确跟踪被遮挡的锚杆及形状差异较大的目标。

关键词：带式输送机目标检测与跟踪异物检测及计数 MSF−YOLOv8n deepsort

基于deepsort的动态车辆多目标跟踪方法研究

在线全文

学校读者我要写书评

暂无评论

汽车技术 2023年第11期 27-33页

作者：何维堃彭育辉黄炜姚宇捷陈泽辉福州大学福州350116

为了提高汽车对外界环境信息的感知能力和对动态车辆目标行为的预测能力,采用YOLOX作为前端检测器,结合优化的deepsort跟踪算法开展动态车辆多目标跟踪方法研究。在车辆特征匹配过程中,提取Haar-like特征对车辆的明暗变化信息进行匹配,... 详细信息

为了提高汽车对外界环境信息的感知能力和对动态车辆目标行为的预测能力,采用YOLOX作为前端检测器,结合优化的deepsort跟踪算法开展动态车辆多目标跟踪方法研究。在车辆特征匹配过程中,提取Haar-like特征对车辆的明暗变化信息进行匹配,提高物体匹配精度;基于deepsort重识别网络,采用改进的ResNet13作为特征提取的骨干网络,加入SENet调整不同通道维度的特征权重。使用实际道路驾驶采集的视频数据对改进算法与传统算法进行对比,结果表明:相较于传统deepsort算法,改进算法的多目标跟踪精度(MOTA)提高了1.4百分点,平均数比率(IDF1)提升了7.7百分点。

关键词：多目标跟踪 deepsort 自动驾驶 Haar-like SENet