检索结果-南通市图书馆

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于多目标跟踪优化的路口车辆轨迹提取方法

电子测量技术 2024年

作者：唐继杰刘金广欧晓放中国人民公安大学交通管理学院公安部道路交通安全研究中心

为应对传统方法研究车辆轨迹存在精度和效率局限的问题，加快推进道路交通数字化治理模式，本文提出了一种基于多目标跟踪优化的路口车辆轨迹提取方法。首先，基于YOLOv8s算法框架，引入多分支卷积模块并设计了一种结合标准卷积与深度... 详细信息

为应对传统方法研究车辆轨迹存在精度和效率局限的问题，加快推进道路交通数字化治理模式，本文提出了一种基于多目标跟踪优化的路口车辆轨迹提取方法。首先，基于YOLOv8s算法框架，引入多分支卷积模块并设计了一种结合标准卷积与深度可分离卷积的图像处理方法，以提高模型对不同场景的鲁棒性并保持帧率稳定。然后，通过精确量化角度差异和距离损失，改进了deepsort算法的损失函数，以提高模型的收敛速度和处理不规则物体的准确度。最后，通过推导出像素坐标系与真实世界坐标系的转换关系，确保了车辆轨迹的准确提取。实验结果表明，改进模型较原模型mAP、召回率和MOTA分别提升了2.9%、5.6%和0.7%，编码变换次数（IDS）下降64%，在检测的同时能够保持帧率稳定，能够准确提取车辆在监控录像中的轨迹信息。这对于深入研究车辆特性和道路交通风险提供了方法支撑，具有较高实战应用价值。

关键词：车辆轨迹提取实时检测 YOLOv8 deepsort 交通安全

基于TBD策略的船舶交通流视觉图像统计方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

上海海事大学学报 2021年第2期42卷 40-44,95页

作者：关克平韩笑蒋宇上海海事大学商船学院上海201306

为提高在天气恶劣、目标密集、目标被遮挡及其他复杂海况下船舶交通流统计的准确率,提出一种将目标检测算法CenterNet、多目标跟踪算法deepsort与凸包算法中优化逆时针(counter clockwise,CCW)判断的单线法相结合的船舶交通流视觉图像... 详细信息

为提高在天气恶劣、目标密集、目标被遮挡及其他复杂海况下船舶交通流统计的准确率,提出一种将目标检测算法CenterNet、多目标跟踪算法deepsort与凸包算法中优化逆时针(counter clockwise,CCW)判断的单线法相结合的船舶交通流视觉图像统计方法。使用Python对所选的数据和场景进行测试,结果表明:CenterNet在多场景检测中比YOLOv3更优秀;基于目标检测的多目标跟踪算法具有良好实时性,能够有效对抗因目标抖动、密集、被遮挡等所导致的目标丢失,继而减少船舶交通流统计时常出现的漏检、错检和重复统计等问题。

关键词： CenterNet deepsort 凸包检测船舶交通流统计目标检测

改进YOLOv10的天台光伏涉电区域行为人预警算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：李军房志远周昊星南京工程学院电力工程学院

随着分布式光伏接入规模的日益增大，安装于私人用户天台区域的光伏电池板及其附属发电系统可能对用户带来触电风险。针对区域监控设备算力受限和天台涉电范围内行为人越界预警问题，讨论采用一种改进YOLOv10、deepsort和PNPOLY的天台... 详细信息

随着分布式光伏接入规模的日益增大，安装于私人用户天台区域的光伏电池板及其附属发电系统可能对用户带来触电风险。针对区域监控设备算力受限和天台涉电范围内行为人越界预警问题，讨论采用一种改进YOLOv10、deepsort和PNPOLY的天台光伏板区域行为人跟踪预警算法。基于YOLOv10重新设计了特征融合模块，模块引入部分卷积思想，解决了特征融合部分运算量大问题。同时针对受光伏电池板遮挡的行为人检测，引入了针对遮挡目标的损失函数（Repulsion-IoU损失函数），并在渐进特征融合结构AFPN(Asymptotic Feature Pyramid Network for Object Detection)基础上设计了更好融合多层次目标的三层特征提取结构AFPN-3。在改进目标检测的基础上，利用deepsort实现对行为人的持续跟踪定位，使用轻量化分类网络Fasternet替代原本特征提取网络，有效降低了模型的体积，提高了行为人跟踪的质量。为了解决行为人越界判定问题，采用PNPOLY算法，使用检测行为人脚部坐标位置进行精确的越界判别。实验表明，与YOLOv10n相比，在仅损失0.3%检测精度的前提下，改进后行为人检测模型运算量下降了18%，参数量下降了19%，结合改进后的deepsort模型，平均跟踪精度较之前提升1.4%，模型大小只有8.7MB。真实场景实验中，本文所提算法天台光伏涉电区域行为人预警正确率达到94%，具有轻量化、精确度高的特点，满足天台光伏板区域行为人跟踪预警的实际检测需求。

关键词：天台光伏电池板涉电区域 YOLOv10 deepsort 行为人跟踪预警检测

基于改进YOLOv5s的轻量化车流量检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

东北师大学报（自然科学版） 2023年第3期55卷 56-63页

作者：王晨曦鲍泓梁天骄北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

由于小型嵌入式设备计算资源有限,很多算法无法在车流量检测中运行完成.针对此问题,提出了一种改进YOLOv5s的轻量化车流量检测算法,以满足模型对硬件的计算能力需求.该算法通过使用轻量化特征提取网络ShuffleNetV2代替YOLOv5s原主干网络... 详细信息

由于小型嵌入式设备计算资源有限,很多算法无法在车流量检测中运行完成.针对此问题,提出了一种改进YOLOv5s的轻量化车流量检测算法,以满足模型对硬件的计算能力需求.该算法通过使用轻量化特征提取网络ShuffleNetV2代替YOLOv5s原主干网络,减小模型的计算复杂度;融入注意力机制模块以增强网络对车流量的表示,提高其检测精度;通过使用数据增强策略,扩增训练样本,提升模型的鲁棒性.采用改进YOLOv5s算法检测视频车辆目标,结合deepsort跟踪完成车流量检测,在UA-DETRAC车流量检测数据集上进行了实验.结果表明:所提出的轻量级车流量检测网络在Jetson TX2上的检测准确率为94.96%,检测速度达到15帧/s,实现车流量的实时检测,模型参数量少,满足嵌入式设备的限制.

关键词：车流量检测 YOLOv5s算法 deepsort 轻量化实时性

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于目标检测的胸环靶弹孔环值判定方法

国外电子测量技术 2022年第3期41卷 33-40页

作者：韩恒胡学龙陈万培陈军高绅杨钦榕扬州大学信息工程学院扬州225127 扬州瑞控汽车电子有限公司扬州225100

为解决基于图像处理的智能报靶系统中存在的对弹孔环值判定实时性低、易受外界因素影响等问题,结合深度学习目标检测算法,把改进后的YOLOv5算法应用于自动报靶研究中,采用deepsort追踪算法实现对弹孔的实时跟踪,通过利用环值数字的检测... 详细信息

为解决基于图像处理的智能报靶系统中存在的对弹孔环值判定实时性低、易受外界因素影响等问题,结合深度学习目标检测算法,把改进后的YOLOv5算法应用于自动报靶研究中,采用deepsort追踪算法实现对弹孔的实时跟踪,通过利用环值数字的检测结果完成靶面环线标记,同时借助图像掩膜方法提取靶面有效区域,利用弹孔检测结果计算弹孔与靶面中心的距离,与环线半径进行对比,并通过图像掩膜判定是否为有效弹孔,最终实现对弹孔环值的判定。实验结果表明,mAP达到了97.1%,帧率达到了30 fps。最后通过模拟实际射击环境测试验证了方法的可靠性和可行性,证明该环值判定方法有良好的应用前景。

关键词：环值判定胸环靶 YOLOv5 deepsort 图像掩膜

基于深度学习的水稻精量穴播排种系统设计与测试

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2022年第21期50卷 200-207页

作者：杜龙龙朱景建王荣扬陆学斌于斌湖州职业技术学院浙江湖州313000 湖州市机器人系统集成与智能装备重点实验室浙江湖州313000 哈尔滨理工大学黑龙江哈尔滨150000

针对当前水稻穴播机缺乏实时监测和自主调节机制,无法对播种状态进行实时修正的弊端,为进一步提升穴播机的核心性能指标,提出一种基于深度学习的水稻精量穴播排种系统。采用YOLOv5检测模型在自制水稻种粒数据集上进行特征训练,通过增加... 详细信息

针对当前水稻穴播机缺乏实时监测和自主调节机制,无法对播种状态进行实时修正的弊端,为进一步提升穴播机的核心性能指标,提出一种基于深度学习的水稻精量穴播排种系统。采用YOLOv5检测模型在自制水稻种粒数据集上进行特征训练,通过增加检测尺度和优化初始锚框参数增强算法模型对小目标颗粒对象的检测精度,将训练好的水稻种粒检测器与deepsort算法连接,实现对水稻种粒的追踪计数。机具控制端将检测模型输出结果与农艺指标进行对比,通过计算种粒数量偏差实时修正振送器送种速率,运用PID控制技术实时对排种状态进行自我调节,最终实现智能排种。研究结果显示,经过优化后的YOLOv5水稻种粒检测器准确率为98.6%,召回率为98.8%,平均精度为99.1%,相较于原版YOLOv5准确率上升了3.0百分点,召回率提升了3.6百分点,平均精度提升了3.2百分点;本设计水稻排种系统空穴率为1.33%,穴粒合格率为95.6%,符合水稻直播机国家标准,相较于未引入深度学习的样机空穴率下降了2.12百分点,穴粒合格率提升了8.73百分点。结果表明,本设计的水稻穴播排钟系统在检测性能和核心指标上均有提升,可以为传统农机与人工智能结合提供参考借鉴。

关键词： YOLOv5s deepsort 水稻排种系统深度学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于深度学习的矿井巷道人员计数技术

煤矿安全 2023年第2期54卷 234-238页

作者：陈太光鲍新平汪涛李瑞斌国家能源集团新疆能源公司新疆乌鲁木齐830000 陕西航泰电气股份有限公司陕西西安710199

在煤矿发生安全事故时需要明确掌握各个区域的人员情况,合理安排营救计划。使用YOLOv5作为目标检测器,结合改进的deepsort跟踪算法进行矿井人员跟踪,实现煤矿矿井各个巷道区域的人员计数;首先使用轻量化的全尺度特征学习Re-ID特征提取模... 详细信息

在煤矿发生安全事故时需要明确掌握各个区域的人员情况,合理安排营救计划。使用YOLOv5作为目标检测器,结合改进的deepsort跟踪算法进行矿井人员跟踪,实现煤矿矿井各个巷道区域的人员计数;首先使用轻量化的全尺度特征学习Re-ID特征提取模型OSNet对deepsort进行优化,替换原有的CNN特征提取模块;然后采用检测器和OSNet特征提取模型单独训练的策略,实现了矿井复杂环境下稳定的跟踪效果;在此基础上,通过在视频画面中设置ROI区域和基准线来判断人员进出的情况,从而实现计数功能。为了有效训练和评估模型的性能,采集了10 000张煤矿矿井下各个巷道不同区域的图片用于训练和测试,改进后模型的MOTA为66.7%,优于改进前的63.4%;改进后速度为28.1 FPS,优于改进前的25.3 FPS。试验结果表明:改进后的模型可以有效地实现矿井人员计数,可以用到实际的生产环境中。

关键词：矿井人员跟踪人员计数 YOLOv5 deepsort OSNet

在线全文

学校读者我要写书评

暂无评论

基于深度学习的航拍车辆跟踪方法研究

基于深度学习的航拍车辆跟踪方法研究

作者：吴义鹏南昌工程学院

学位级别：硕士

随着全国户均车辆数的上涨城市交通日渐拥堵,城市交通运输管理面临着很大挑战,智能交通系统是未来城市进行交通管理的重要工具。车辆信息采集是智能交通系统的重中之重,相比地面监控无人机航拍有着拍摄角度灵活、拍摄视野广等优点。本... 详细信息

随着全国户均车辆数的上涨城市交通日渐拥堵,城市交通运输管理面临着很大挑战,智能交通系统是未来城市进行交通管理的重要工具。车辆信息采集是智能交通系统的重中之重,相比地面监控无人机航拍有着拍摄角度灵活、拍摄视野广等优点。本文基于深度学习方法展开对航拍视频车辆的跟踪方法研究,选择YOLOv5s检测和Deep Sort跟踪的算法进行车辆跟踪,基于航拍视频中车辆运动信息的复杂性,对YOLOv5s和Deep Sort做相应地改进,降低车辆跟踪过程中发生身份切换次数保持跟踪的一致性。本文研究工作主要有以下几个方面:(1)基于YOLOv5s网络的航拍车辆检测改进方法研究。本文采用YOLOv5s＿6.0版本作为车辆检测模型,YOLOv5s有着模型小、检测速度快、检测精度高等优点。针对无人机视频下的道路车流视频的特性,用DIOU-NMS替代原YOLOv5s的NMS对车辆检测的预测框进行筛选,提升YOLOv5s在面对车辆遮挡情况下的检测能力。(2)基于Deep Sort算法的航拍车辆跟踪改进方法研究。在无人机航拍过程中,无人机的不稳定飞行、摄像头的旋转都会导致拍摄画面抖动不清楚,对车辆跟踪造成很大的困难。基于此本文采用Deep Sort作为跟踪阶段的跟踪算法,在Deep Sort中引入轻量化的Shuffle Net V2网络并改进,提高其特征提取能力,代替Deep Sort原CNN网络提取车辆的外观特征信息,降低跟踪过程中发生跟踪混乱,跟踪丢失的情况。(3)基于统一评价指标在数据集UAVDT上进行跟踪算法测试实验。本文除了将改进算法与原算法进行对比,还会探究不同外观特征提取网络对于Deep Sort跟踪效果的影响。实验结果本文基于YOLOv5s和Deep Sort改进的跟踪算法,与原YOLOv5s和Deep Sort相比跟踪过程的MOTA提高了0.6%,IDS减少了49.9%,权重大小降低了83.8%,表明本文的跟踪算法能够更好的处理车辆间遮挡、相机运动带来的干扰,同时与其它外观特征提取网络相比,本文引入并改进的Shuffle Net V2网络有效降低跟踪过程的IDS,展现了更好的跟踪性能。

关键词：深度学习航拍车辆跟踪 YOLOv5s deepsort

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的车辆跟踪算法的研究

基于深度学习的车辆跟踪算法的研究

作者：陈博文西安科技大学

学位级别：硕士

随着我国城市化进程不断加快,私家车持有率不断提高,汽车行驶过程中产生的交通管理、路径规划、车辆运输等大量的行为信息,为交通信息服务、交通管理、交通运输安全等服务系统的高效智能化提供了基础数据。交通的管控决策、导航软件中... 详细信息

随着我国城市化进程不断加快,私家车持有率不断提高,汽车行驶过程中产生的交通管理、路径规划、车辆运输等大量的行为信息,为交通信息服务、交通管理、交通运输安全等服务系统的高效智能化提供了基础数据。交通的管控决策、导航软件中的实时路况、自动化车辆控制等关键系统都依赖道路节点的车辆运行数据。车辆目标跟踪在智慧交通系统中起着重要的作用。随着深度学习在机器视觉方面的应用,各种基于计算机视觉的算法被大量用于目标检测和跟踪,如何高效、准确地检测和跟踪车辆成为了该领域的研究热点。由于实际路况中易出现距离摄像头较远时存在车辆较多,同时在图片或视频中像素占比较少等情况导致检测和跟踪准确率较低以及车辆跟踪算法如何实现精度和速度的最佳平衡,本文针对上述问题,所做的具体工作如下:(1)本文提出一种基于改进YOLOv4(You Only Look Once v4)算法的目标检测器,通过二分k-means聚类算法替换K-means算法来获取更具代表性的先验框,从而能够让训练更有针对性,可以加快模型的收敛。同时由于在YOLOv4网络中,目标特征通过自底向上的卷积操作进行传递,但是由于经过反复的卷积操作,目标特征中有关小目标及遮挡目标的特征及位置信息等数据会逐渐丢失,针对上述存在的问题,本文对YOLOv4中PAN进行改进,在PAN中将CSPDarkNet53的上一层ResBlock输出的特征与下一层进行跳跃拼接,增大了特征检测尺度,从而在高层特征空间中保留不同层级空间的特征,通过综合指标mAP值与召回率进行比较,在多云、夜间、晴天和雨天测试场景下,本文算法的mAP值与YOLOv4相比提高了 0.23%-2.07%,在混合场景下提高了 1.97%,召回率与YOLOv4相比提高了 1.88%-4.03%,在混合场景下提高了 2.24%。(2)由于deepsort的深度外观模型是在人的重识别数据集上训练得到的,本文针对车辆的实际特点,对deepsort外观特征提取网络进行修改,同时根据车辆的外观特征,对网络模型的输入进行了修改。通过以上两处实验参数的修改使其更适合进行车辆目标跟踪。(3)deepsort目标跟踪算法在实时目标跟踪过程中,会将目标车辆的表观特征进行近邻匹配,每帧通过跟踪和级联匹配后会进行特征提取保存和对比,由于每一帧都进行特征提取保存和对比会耗费大量时间,所以会降低目标跟踪的速度。而Sort目标跟踪算法使用简单的卡尔曼滤波器和匈牙利匹配在高帧速率下的性能,但忽略了被检测物体的表面特征,如果物体间发生遮挡,会影响跟踪准确率。本文根据对数据集中车辆遮挡的分析,提出将deepsort算法与混合一定比例的Sort算法来进行车辆跟踪。通过相应的实验,证实所提出的方法提高了 FPS,而准确性几乎没有损失。最后与其他车辆跟踪算法相比,本文提出的改进deepsort算法同时将改进的YOLOv4作为检测器的车辆跟踪算法无论是跟踪的准确性、跟踪的精确度还是车辆的检测速度上均有提升,从而可以实现精度和速度的最佳平衡。

关键词：目标检测目标跟踪 k-means聚类 PANet YOLOv4 deepsort