-
题名基于改进DeepSORT算法的摩托车头盔佩戴检测
被引量：1
- 1
-
-
作者
冉险生
张之云
陈卓
苏山杰
陈俊豪
-
机构
重庆交通大学机电与车辆工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第5期194-204,共11页
-
文摘
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
-
Keywords
YOLOv3
DeepSORT
multi-task learning
motorcycle helmet wearing detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
