CN114820702B 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法 （大连理工大学）_第1页
CN114820702B 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法 （大连理工大学）_第2页
CN114820702B 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法 （大连理工大学）_第3页
CN114820702B 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法 （大连理工大学）_第4页
CN114820702B 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法 （大连理工大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

AU2021101815A4,2021.05.27一种基于yolov5的Deepsort无人机视角行2yolov5目标检测算法主要由特征提取网络和预测网络构预测网络对32倍下采样特征进行上采样得到16倍下采样特征，与特征金数；将16倍下采样拼接后的残差模块的输出经过步长为2的卷积模块与32倍下采样特征进轻量化的yolov5目标检测算法处理视频帧获取行人目标检测框包括以步骤3：对步骤2中得到的最终目标检测框使用特征提(4.1)第一帧检测到的行人检测框并创建其对应的轨迹，并将轨迹状态设置为(4.3)将当前帧目标检测的检测框和步骤(4.2)中确认态轨迹使用匈牙利算法进行级3Deepsort使用检测框与跟踪器轨迹之间的马氏距离来描述j表示第j个检测框的位置，yi表示轨迹对目标外观关联方式为计算第i个轨迹的最近100个成功关联的特征集与当前帧第j个检j表示第j个检测框提取出的特征向量，表示第i个轨迹的最近100的特征集中的第k个；并通过以从逆χ2分布计算得来的95％置信区间对最小余弦距离进行4网络的发展，目标检测算法取得了极大的成就，RossGirshick于2014提出的RCNN开辟了此同时，one-stage系列的算法也在近几年取得了飞速的发展，代表算法有yolo系列、[0004]目标跟踪(objecttracking)是计算机视觉任务的一个分支，对图像序列中的运[0009]本发明所述方法可部署在无人机相关边缘设备充当视觉模块进行行人多目标检5[0015]采用模型参数量化方法将yolov5检测器中的参数从float32转化为int8，从而压[0019](3)后处理：在步骤(2)中得到的[0022](1)将第一帧次检测到的行人检测框并创建其对应的轨迹。将卡尔曼滤波的运动匹配的检测框则与上一帧通过未确认态轨迹的预测框以及级联匹配未匹配轨迹的预测框[0032]目标外观关联方式为计算第i个跟踪器的最近100个成功关联的特征集与当前帧6关联的特征集中的第k个。并通过以从逆χ2分布计算得来的95％置信区间对最小余弦距离[0038](4)在(3)中未匹配的检测框则与(2)中未确认态轨迹的预测框以及级联匹配未匹[0047]图1为yolov5检测器结构示意图，网络的基础卷积模块为CBS，由卷积层、BN层、[0048]图2为deepsort多目标跟踪算法流程图。将当前帧目标检测的检测框和上一帧中7[0049]未匹配的检测框则与上一帧中未确认态轨迹的预测框以及级联匹配未匹配轨迹的预测框进行IO

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论