基于改进ByteTrack与YOLOv10的无人机多目标跟踪算法

1

作者 张忠民 叶聪 《兵工学报》 北大核心 2026年第1期261-271,共11页

无人机多目标跟踪技术是无人机领域的一个重要研究方向,目前大多数多目标跟踪技术难以平衡跟踪任务的精度和实时性。针对此问题,设计小目标检测算法MT-YOLOv10,采用轻量化特征融合模块MSKFF(Multi-Selective Kernel Feature Fusion)增... 无人机多目标跟踪技术是无人机领域的一个重要研究方向,目前大多数多目标跟踪技术难以平衡跟踪任务的精度和实时性。针对此问题,设计小目标检测算法MT-YOLOv10,采用轻量化特征融合模块MSKFF(Multi-Selective Kernel Feature Fusion)增强特征融合效果,提升无人机空中检测能力。在跟踪算法中,通过向卡尔曼滤波引入自适应因数增强对噪声的自适应能力,同时改变卡尔曼滤波输入的状态向量以及引入轨迹置信度信息,提升对目标位置的预测能力,改进后的跟踪算法命名为PAC-ByteTrack。MT-YOLOv10在VisDrone2019-DET数据集上的检测实验结果显示其精度和mAP 50较基线算法提升4.3%和6.5%。将MT-YOLOv10和PAC-ByteTrack相结合,在VisDrone2019-MOT(Multi-Object Tracking)和UAVDT两大无人机数据集上展开测评,其HOTA(Harmonized Overlap and Tracking Aumulator)分别提升4.467%和1.831%,性能优于大多数现有跟踪算法。新算法实现了稳定连续的跟踪,为无人机跟踪任务提供了新的解决方案。 展开更多

关键词 无人机 YOLOv10 bytetrack 卡尔曼滤波 多目标跟踪

在线阅读 下载PDF 职称材料

基于改进YOLO v8n-ByteTrack的温室番茄果实巡检计数方法

2

作者 冯青春 李豪博 +2 位作者 陈诗琪 刘静 李亚军 《农业机械学报》 北大核心 2026年第5期127-137,共11页

番茄果实数量的精确统计是产量评估和智能化管理的重要基础。为实现温室环境下丛生枝叶间果实动态检测与计数,提出了以改进YOLO v8n检测模型和ByteTrack跟踪算法组合为主要框架的番茄果实动态计数方法。在YOLO v8n检测模型中引入小波下... 番茄果实数量的精确统计是产量评估和智能化管理的重要基础。为实现温室环境下丛生枝叶间果实动态检测与计数,提出了以改进YOLO v8n检测模型和ByteTrack跟踪算法组合为主要框架的番茄果实动态计数方法。在YOLO v8n检测模型中引入小波下采样模块和P2检测头,并设计MLLA注意力机制,提高模型在复杂背景下的检测性能,并基于ByteTrack引入自适应低分匹配重试策略。最后,基于改进后的ALRM-Track提出一种基于序列区域匹配机制计数。试验结果表明,改进后的YOLO v8n-MAFP模型在番茄果实数据集上的检测平均精度均值达到96.9%,较原始模型提升2.4个百分点;结合YOLO v8n-MAFP改进的ALRM-Track算法,多目标跟踪准确率提升至88.2%,ID跳变次数减少至2次;采用序列区域匹配机制计数,在5组温室视频试验中的平均绝对误差仅为1.4,平均计数精度达到96.6%,显著优于传统划线计数和区域计数方法。温室环境试验表明,基于改进YOLO v8n-ByteTrack模型适用于温室番茄的估产统计需求。 展开更多

关键词 温室 番茄 果实计数 生产巡检 多目标追踪 YOLO v8n bytetrack

在线阅读 下载PDF 职称材料

融合ByteTrack的EAP-YOLOv8无人机Marker点检测与追踪

3

作者 唐心亮 潘晓润 +1 位作者 王建超 苏鹤 《计算机科学》 北大核心 2026年第3期266-276,共11页

随着科技不断发展,无人机的应用越来越广泛,实现无人机的精准动作捕捉成为其核心技术。光学动作捕捉系统在对无人机进行检测与追踪时,由于受到复杂环境、飞行速度等多方面的干扰,会出现对无人机所粘贴的Marker点识别不准确的情况。为了... 随着科技不断发展,无人机的应用越来越广泛,实现无人机的精准动作捕捉成为其核心技术。光学动作捕捉系统在对无人机进行检测与追踪时,由于受到复杂环境、飞行速度等多方面的干扰,会出现对无人机所粘贴的Marker点识别不准确的情况。为了解决这一问题,提出一种基于YOLOv8改进的目标检测算法EAP-YOLOv8,以提高Marker点识别检测的准确率。首先,在骨干部分构建新型通道注意力机制MAP-ECA,增强全局视角信息和不同尺度大小的特征,提升了小目标的检测能力;其次,在原有检测头的基础上利用多层次自适应特征融合形成新的检测头D-SASFF,利用多尺度融合来强化小目标特征信息;最后,设计了损失函数PIoUv3,通过改进加快了模型收敛速度,提高了小目标检测能力。为验证EAP-YOLOv8算法的有效性,在自制数据集上进行实验,结果表明,EAP-YOLOv8算法在mAP@0.5和mAP@0.5:0.95上分别达到了96.5%和50.2%,相较于其他算法有显著提升。在此基础之上,通过结合多目标追踪算法ByteTrack显著提高了Marker点的追踪准确率。此外,在公开数据集MOT16上进行追踪实验,结果表明,所提模型在HOTA,MOTA,MOTP上追踪准确率分别达到了37.60%,25.64%,80.76%,相较于当前算法有显著提升,为后续实现无人机精准跟踪提供了有效途径。 展开更多

关键词 EAP-YOLOv8 无人机检测 Marker点 小目标检测 多目标追踪 bytetrack

在线阅读 下载PDF 职称材料

论文精选:基于改进YOLOv8n-ByteTrack模型的海参原位计数方法

4

《中国农机化学报》 北大核心 2026年第3期F0003-F0003,共1页

研究概况针对海参养殖中人工计数效率低、成本高的问题,提出一种基于改进YOLOv8n与ByteTrack的动态原位计数方法,旨在复杂水下环境中实现高精度的自动化计数。首先,使用Ghostconv和GhostC3替换YOLOv8n中的Conv和C2f以减少模型的浮点计... 研究概况针对海参养殖中人工计数效率低、成本高的问题,提出一种基于改进YOLOv8n与ByteTrack的动态原位计数方法,旨在复杂水下环境中实现高精度的自动化计数。首先,使用Ghostconv和GhostC3替换YOLOv8n中的Conv和C2f以减少模型的浮点计算量、参数量,同时使用焦点调制(FM)模块替换YOLOv8n中快速空间金字塔池化(SPPF)模块,并引入SE注意力机制以提高对海参的识别准确率。 展开更多

关键词 YOLOv8n 海参 原位计数 焦点调制 GhostC3 Ghostconv SE注意力机制 bytetrack

在线阅读 下载PDF 职称材料

基于改进YOLOv8和ByteTrack的桥梁通航船舶识别与追踪 被引量：5

5

作者 王浩 王旭 +3 位作者 廖睿轩 茅建校 张一鸣 颜王吉 《东南大学学报(自然科学版)》 北大核心 2025年第5期1380-1387,共8页

针对近年来频发的船桥相撞事故,深入分析了现有桥梁主动防船撞方法的不足,设计并实现了一种基于改进YOLOv8和ByteTrack算法的航道船舶识别与追踪方法。在YOLOv8网络结构的主干网络和颈部网络之间引入了3个卷积块注意力模块(CBAM),以增... 针对近年来频发的船桥相撞事故,深入分析了现有桥梁主动防船撞方法的不足,设计并实现了一种基于改进YOLOv8和ByteTrack算法的航道船舶识别与追踪方法。在YOLOv8网络结构的主干网络和颈部网络之间引入了3个卷积块注意力模块(CBAM),以增强模型对关键特征的捕捉能力。此外,采用了ByteTrack算法来提高船舶追踪的准确性和鲁棒性,并进行对比实验分析。结果表明,改进后的模型在多目标追踪准确性(MOTA)和识别准确度(IDF1)上分别达到了79.8%和84.5%,相比原始YOLOv8模型有了约5%的精度提升,且相比于一些其他主流注意力机制模块也有更大提升。在图像处理速度方面,改进方法相对于多目标追踪算法Bot-SORT算法图像处理速度快约56%,处理相同目标图像耗时更少。 展开更多

关键词 桥梁工程 船舶追踪 深度学习 计算机视觉 YOLOv8 bytetrack

在线阅读 下载PDF 职称材料

基于ByteTrack和改进YOLOv11算法的行人跟踪算法研究 被引量：2

6

作者 刘兆金 谭钦红 +1 位作者 朱嘉浩 李会兵 《激光杂志》 北大核心 2025年第10期56-62,共7页

多目标跟踪(Multi-Object Tracking,MOT)在自动驾驶和智能监控等领域具有广泛应用。针对传统的行人检测与跟踪方法存在复杂度高、人群密集时易漏检以及遮挡影响严重等问题,提出一种基于改进YOLOv11和ByteTrack算法的行人检测与跟踪方法... 多目标跟踪(Multi-Object Tracking,MOT)在自动驾驶和智能监控等领域具有广泛应用。针对传统的行人检测与跟踪方法存在复杂度高、人群密集时易漏检以及遮挡影响严重等问题,提出一种基于改进YOLOv11和ByteTrack算法的行人检测与跟踪方法。在行人检测阶段,将标准卷积(Convolution,Conv)模块替换为ADown模块,以降低算法复杂度;在C2PSA模块中引入多尺度注意力(Efficient Multi-scale Attention,EMA)机制,进一步降低计算开销的同时,保留丰富的通道信息;采用动态目标检测头(DynamicHead,DyHead)提升行人检测精度,缓解摄像头拍摄场景下的漏检问题。在行人跟踪阶段,将ByteTrack算法与改进的YOLOv11算法结合,以实现鲁棒的行人跟踪。改进后的YOLOv11模型在mAP50提高2.2%,参数量减少25.2%,在复杂度与准确性方面能够满足实际应用需求。 展开更多

关键词 行人检测与跟踪 多尺度注意力 YOLOv11 bytetrack

在线阅读 下载PDF 职称材料

基于YOLO v9c和改进ByteTrack的群养羊只多目标跟踪方法 被引量：2

7

作者 郑芳 夏传宇 +3 位作者 杜小勇 周勇 田芳 李国亮 《农业机械学报》 北大核心 2025年第10期585-595,共11页

基于视频的群养羊只跟踪对于规模化、智能化、无人化养殖具有重要作用。然而,由于羊群存在严重的遮挡、重叠及移动速度过快等问题,在复杂场景下对多只羊只进行精确跟踪较为困难。针对上述问题,为提高跟踪技术对群养羊只的适应性,本文提... 基于视频的群养羊只跟踪对于规模化、智能化、无人化养殖具有重要作用。然而,由于羊群存在严重的遮挡、重叠及移动速度过快等问题,在复杂场景下对多只羊只进行精确跟踪较为困难。针对上述问题,为提高跟踪技术对群养羊只的适应性,本文提出一种基于YOLO v9c与改进ByteTrack相结合的羊只多目标跟踪方法。在目标检测方面,将羊只的行为划分为站立、躺卧和进食3种状态。在多目标跟踪方面,对ByteTrack做了两点改进:引入时间距离匹配模块(Time and distance matching module,TDMM),将未匹配成功的高分框与未匹配轨迹按照丢失轨迹的丢失时长与欧氏距离相结合形成身份关联系数矩阵,再次进行匹配;引入ID延时分配机制,除第1帧外,将ID分配模块移至第3次匹配并加入条件,防止ID过早分配。试验结果表明,HOTA为72.051%,MOTA为88.326%,IDF1为88.237%,IDSW为8。与ByteTrack相比MOTA提高0.242个百分点,HOTA提高2.21个百分点,IDF1提高5.734个百分点,ID跳变次数降低了约46.67%。与算法Bot-SORT和OC-SORT相比,HOTA和IDF1有明显上升,并且ID跳变次数大幅降低。多羊只复杂场景情况下测试结果表明,基于改进ByteTrack算法具有良好的多目标跟踪性能,可以有效提高对群养羊只跟踪的准确性和可靠性。该算法在与YOLO v9c目标检测算法结合对群养羊只进行多目标跟踪并保存跟踪结果时,平均帧率为47.1 f/s相较于Bot-SORT算法(34.2 f/s)提高约37.7%。该算法能够实时可靠地监测羊只,为羊只养殖场管理者及时发现羊只行为异常以及监测羊只健康状况提供了有效的技术手段。 展开更多

关键词 群养羊只 目标跟踪 时间距离匹配模块 ID延时分配 YOLO v9c 改进bytetrack

在线阅读 下载PDF 职称材料

一种基于ByteTrack的前视声呐多目标跟踪算法

8

作者 陈美龙 赵新华 叶秀芬 《仪器仪表学报》 北大核心 2025年第7期332-344,共13页

前视声呐在水下远距离目标检测与跟踪中发挥着重要的作用。然而,前视声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失的问题。在使用前视声呐进行目标跟踪时,需要对声呐载体旋转和目标遮挡进行补偿,避免目标丢失。为解决以上问... 前视声呐在水下远距离目标检测与跟踪中发挥着重要的作用。然而,前视声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失的问题。在使用前视声呐进行目标跟踪时,需要对声呐载体旋转和目标遮挡进行补偿,避免目标丢失。为解决以上问题,结合声呐图像序列的特征和目标特征,改进现有的跟踪算法。针对ByteTrack算法应用在声呐跟踪上容易出现目标丢失问题,结合前视声呐图像特征,改进关联方式,在第1关联提出了一种基于卡尔曼滤波的运动特征和目标外观特征结合的方式作相似性度量,提升了跟踪的准确性。针对前视声呐载体旋转导致目标运动过快的问题,利用声呐姿态数据对ByteTrack算法加入旋转补偿,提升了匹配的准确性;最后,通过相似性度量算法对比实验,证明了改进后的关联方式和目标外观特征结合的方式的优越性。对比了DeepSort、TransTrack和ByteTrack主流目标跟踪算法,改进后的模型跟踪准确度为76.8%,跟踪召回率为80.6%;改进后的ByteTrack与改进前的ByteTrack相比,跟踪精度提升了9.4%,召回率提升了10.8%,ID切换次数降低了46%。检测与跟踪融合实验表明,改进后的目标检测跟踪融合算法拥有更低的漏检率、误检率,更低的身份切换次数,更能适应前视声呐水下目标的检测和跟踪场景。 展开更多

关键词 前视声呐 目标跟踪 bytetrack 图像序列

在线阅读 下载PDF 职称材料

基于YOLOV8-ByteTrack鱼苗自动计数装置的设计与试验

9

作者 王瑞 权佳宁 田云臣 《渔业科学进展》 北大核心 2025年第5期99-109,共11页

本研究设计了一种鱼苗自动计数装置,旨在提升鱼苗养殖过程中计数的精度与效率。装置的整体结构包括鱼苗输送系统、成像系统和数据处理单元。在结构设计中,对装置在不同载荷条件下的应力和变形特性进行了仿真分析。同时,通过优化YOLOV8... 本研究设计了一种鱼苗自动计数装置,旨在提升鱼苗养殖过程中计数的精度与效率。装置的整体结构包括鱼苗输送系统、成像系统和数据处理单元。在结构设计中,对装置在不同载荷条件下的应力和变形特性进行了仿真分析。同时,通过优化YOLOV8目标检测模型和Bytetrack跟踪流程,实现鱼苗个体的高精度检测和高帧率轨迹预测,有效避免重复计数,并降低下落速度对计数精度的影响。试验以200、250和300尾3~5、6~8和9~12 cm 3种规格的鱼苗为测试对象,对计数准确率进行验证,结果显示,3~5 cm鱼苗的平均计数准确率为98.5%,6~8 cm鱼苗为99.1%,9~12 cm鱼苗为99.6%,并且改进YOLOV8-Bytetrack算法的平均帧率高达155 FPS,该装置能够实现高精度的鱼苗计数。 展开更多

关键词 鱼苗计数装置 计数滑道 图像采集 YOLOV8 bytetrack

在线阅读 下载PDF 职称材料

基于ByteTrack的对空红外多目标跟踪方法

10

作者 吕璐 赵晨阳 张俊 《激光与红外》 北大核心 2025年第11期1797-1804,共8页

对空红外多目标跟踪技术已然成为端侧设备应用热点,在民用和军事领域应用广泛。针对空中红外小目标因检测率低和轨迹关联精度不佳导致的多目标跟踪轨迹不完整问题,本文结合YOLOv10S目标检测算法和ByteTrack多目标跟踪算法,首先通过改进Y... 对空红外多目标跟踪技术已然成为端侧设备应用热点,在民用和军事领域应用广泛。针对空中红外小目标因检测率低和轨迹关联精度不佳导致的多目标跟踪轨迹不完整问题,本文结合YOLOv10S目标检测算法和ByteTrack多目标跟踪算法,首先通过改进YOLOv10S网络结构及损失函数提升红外小目标检测性能,其次提出ByteTrack-DS算法,使用基于距离及形状特征的关联方法,再加入改进的轨迹匹配策略,改善轨迹关联精度,综合提升多目标跟踪轨迹的完整性。在对空红外多目标数跟踪据集上的实验结果表明,本文改进的YOLOv10S结合ByteTrack-DS算法与原始算法相比,在MOTA、IDF1指标上分别提升了4.7%和6.8%。同时,本文提出的算法可在Atlas200I DK平台上高效运行,可为对空红外多目标跟踪在端侧设备上的部署提供技术支持。 展开更多

关键词 红外小目标检测 多目标跟踪 bytetrack 关联策略

在线阅读 下载PDF 职称材料

基于改进ByteTrack算法的群养生猪行为识别与跟踪技术 被引量：12

11

作者 涂淑琴 汤寅杰 +3 位作者 李承桀 梁云 曾扬晨 刘晓龙 《农业机械学报》 EI CAS CSCD 北大核心 2022年第12期264-272,共9页

群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标... 群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括:设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。 展开更多

关键词 群养生猪 行为识别 多目标跟踪 bytetrack

在线阅读 下载PDF 职称材料

基于自纠正NMS-ByteTrack的套袋葡萄估产方法 被引量：6

12

作者 吕佳 张翠萍 +1 位作者 刘琴 李帅军 《农业工程学报》 EI CAS CSCD 北大核心 2023年第13期182-190,共9页

针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标... 针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标检测方法YOLOv5s检测视频中的套袋葡萄,将检测阶段的NMS操作后置到追踪阶段,保留因遮挡而被过滤的果实检测框;其次在ByteTrack的基础上加入相机运动补偿和改进的卡尔曼滤波算法,以自动纠正果实预测框的位置并进行追踪;最后提出一种划线计数策略对套袋葡萄自动计数。试验结果表明,该方法的多目标追踪准确率、多目标追踪精度和ID调和平均数分别为64.6%、82.4%和80.8%,相比ByteTrack分别提高了1.7、1.0和4.1个百分点,平均计数精度达到82.8%。因此,基于自纠正NMS-ByteTrack的估产方法能有效解决套袋葡萄的追踪计数问题,实现对套袋葡萄更精确地估产。 展开更多

关键词 图像处理 农业 目标追踪 视频计数 估产方法 套袋葡萄 bytetrack 卡尔曼滤波器

在线阅读 下载PDF 职称材料

基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别 被引量：30

13

作者 韩康 李敬兆 陶荣颖 《工矿自动化》 CSCD 北大核心 2024年第3期82-91,共10页

应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基... 应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别方法。首先,基于MobileOne和C3对YOLOv7目标检测模型骨干与头部网络进行轻量化改进,提高模型推理速度;其次,融合ByteTrack跟踪算法,实现工作人员跟踪锁定,提高抗背景干扰能力;然后,采用MobileNetV2优化OpenPose的网络结构,提高对骨架特征的提取效率;最后,通过时空图卷积网络(ST−GCN)分析人体骨架关键点在时间序列上的空间结构和动态变化,实现对不安全行为的分析识别。实验结果表明:MobileOneC3−YOLO模型的精确率达93.7%,推理速度较YOLOv7模型提高了52%;融合ByteTrack的人员锁定模型锁定成功率达97.1%;改进OpenPose模型内存需求减少了170.3 MiB,在CPU与GPU上的推理速度分别提升了74.7%和54.9%;不安全行为识别模型对疲劳睡岗、离岗、侧身交谈和玩手机4种不安全行为的识别精确率达93.5%,推理速度达18.6帧/s。 展开更多

关键词 不安全行为识别 目标检测 姿态估计 时空图卷积网络 人员锁定 YOLOv7 bytetrack

在线阅读 下载PDF 职称材料

改进YOLOv7+Bytetrack的小目标检测与追踪 被引量：18

14

作者 聂源 赖惠成 高古学 《计算机工程与应用》 CSCD 北大核心 2024年第12期189-202,共14页

近年来,目标检测技术已经相当成熟,但小目标检测一直是目标检测领域的一大挑战。为了解决这一问题,设计一种名为MFF-YOLOv7的小目标检测算法,该算法旨在提高小目标检测的准确率。设计级联双向特征金字塔KBiFPN,以及联合提出的多级感受... 近年来,目标检测技术已经相当成熟,但小目标检测一直是目标检测领域的一大挑战。为了解决这一问题,设计一种名为MFF-YOLOv7的小目标检测算法,该算法旨在提高小目标检测的准确率。设计级联双向特征金字塔KBiFPN,以及联合提出的多级感受野特征聚合模块MFA,来聚合浅层特征并增强特征的信息表达能力。为了解决小目标漏检问题,设计了新的解耦头和新的注意力机制。新的解耦头对小目标的检测能力更强,新的注意力机制可以重点关注感兴趣的小目标区域。引入了一种新的损失函数ECIOU,旨在加快模型的收敛速度。为了验证模型的性能,分别在三个小目标数据集上进行了实验。实验结果表明,MFF-YOLOv7算法提高了检测精度。同时,使用多目标追踪Bytetrack算法在MOT17和VisDrone2019-MOT两个多目标追踪数据集上对新模型进行了验证,进一步证明了其有效性。此外,MFF-YOLOv7算法在动态视频追踪中表现出了良好的性能。 展开更多

关键词 MFF-YOLOv7 小目标检测 多级感受野 多目标追踪 bytetrack

在线阅读 下载PDF 职称材料

基于改进ByteTrack算法的红外地面多目标跟踪方法 被引量：8

15

作者 王雒 李飚 傅瑞罡 《计算机科学》 CSCD 北大核心 2023年第9期176-183,共8页

红外目标智能检测跟踪技术研究一直是同领域中的热点问题,尤其是在精确制导、海面监视和天空预警等方面。针对红外地面多目标跟踪场景中,由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景造成的跟踪精度降低等问题,提出了一种基于改... 红外目标智能检测跟踪技术研究一直是同领域中的热点问题,尤其是在精确制导、海面监视和天空预警等方面。针对红外地面多目标跟踪场景中,由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景造成的跟踪精度降低等问题,提出了一种基于改进ByteTrack算法的红外地面多目标跟踪方法。首先引用一种自适应调制噪声尺度的卡尔曼滤波器,缓解低质量检测对vanilla卡尔曼滤波器的影响;其次引入增强相关系数最大化算法对帧间图像进行配准,来补偿平台晃动产生的影响;然后增加了基于长短期记忆网络的运动模型,减小了卡尔曼滤波在非线性运动状态中产生的预测误差;最后引入连接模型和高斯平滑算法这两种轻量级离线算法来完善跟踪结果。在红外地面多目标数据集上进行了实验,结果表明,与Sort和Deepsort算法相比,改进算法的MOTA值分别提升了8.3%和10.2%,IDF1值分别提升了6.5%和5.6%。与同类算法相比,改进算法表现出了更好的有效性,在红外目标智能检测跟踪场景中会有较大应用。 展开更多

关键词 多目标跟踪 红外目标 bytetrack 卡尔曼滤波 长短期记忆网络

在线阅读 下载PDF 职称材料

基于改进ByteTrack的高铁周界入侵监测方法研究 被引量：7

16

作者 傅荟瑾 史天运 +2 位作者 王瑞 马祯 张万鹏 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第4期61-71,共11页

本文旨在应对高铁周界环境复杂、小目标多等情况,研究周界入侵行为的识别与跟踪问题,并提出一种改进ByteTrack算法。本文融合YOLOv7-X与BYTE数据关联方法对模型进行改进,并且引入卷积块注意力机制以提升周界复杂环境下前景目标的识别效... 本文旨在应对高铁周界环境复杂、小目标多等情况,研究周界入侵行为的识别与跟踪问题,并提出一种改进ByteTrack算法。本文融合YOLOv7-X与BYTE数据关联方法对模型进行改进,并且引入卷积块注意力机制以提升周界复杂环境下前景目标的识别效果,利用空间-深度转化模块优化跨步卷积与池化层,改善小目标识别时下采样导致的细粒度信息丢失情况。制作铁路周界入侵数据集进行实验,实验结果表明,改进后的模型平均精度达到95.6%,提升了9.4%,对大中小目标识别的平均精度均有提升,尤其是对小目标识别效果提升显著,提升了22.2%。结果表明改进ByteTrack算法在高铁周界复杂环境下能实现入侵行为的识别与跟踪,为高铁周界防护提供技术支持。 展开更多

关键词 高速铁路 周界入侵 bytetrack YOLOv7

在线阅读 下载PDF 职称材料

基于改进PP-YOLOE和ByteTrack算法的红外船舶目标检测跟踪方法 被引量：4

17

作者 姜杰 张立民 +1 位作者 刘凯 闫文君 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第11期291-297,共7页

针于无人机侦察采集到的红外影像,如何快速准确地检测到船舶目标,并进行连续跟踪,提出了一种基于改进PP-YOLOE和ByteTrack算法的红外船舶目标检测跟踪方法。对红外船舶目标检测过程中存在的多尺度、小目标、有遮挡的情况,在PP-YOLOE算... 针于无人机侦察采集到的红外影像,如何快速准确地检测到船舶目标,并进行连续跟踪,提出了一种基于改进PP-YOLOE和ByteTrack算法的红外船舶目标检测跟踪方法。对红外船舶目标检测过程中存在的多尺度、小目标、有遮挡的情况,在PP-YOLOE算法基础上,通过采用任务对齐学习(task alignment learning,TAL)、增加多采样路径、加强检测头的方式进行了相应的改进;对跟踪过程中通常存在遮挡容易导致跟踪丢失的情况,在ByteTrack算法基础上,通过将卡尔曼滤波与匈牙利算法相结合、增加ReID特征计算外观相似度的方法进行了一定的强化。实验结果表明,所提方法检测精度较高,跟踪效果较好,能够满足现实任务的需要。 展开更多

关键词 红外船舶 目标检测跟踪 PP-YOLOE 任务对齐学习 bytetrack

在线阅读 下载PDF 职称材料

基于PK-ByteTrack目标跟踪算法在无人机探测与跟踪中的应用

18

作者 李沙 《农机使用与维修》 2026年第6期7-10,共4页

为提高无人机在复杂红外场景下的跟踪精度与稳定性。本文提出了一种改进的目标跟踪算法PKByteTrack,该算法采用精度更高的PCCS-YOLOv8检测器,并对卡尔曼滤波器的状态向量与噪声模型积极性优化。经研究表明,PK-ByteTrack算法的MOTA平均提... 为提高无人机在复杂红外场景下的跟踪精度与稳定性。本文提出了一种改进的目标跟踪算法PKByteTrack,该算法采用精度更高的PCCS-YOLOv8检测器,并对卡尔曼滤波器的状态向量与噪声模型积极性优化。经研究表明,PK-ByteTrack算法的MOTA平均提升3.8%,IDSW平均降低22.6%,同时在FP与FN控制方面表现均优于其他算法。该算法在保持实时处理能力的同时,显著提升在复杂场景下对无人机目标的跟踪鲁棒性与轨迹连续性。 展开更多

关键词 无人机目标跟踪 bytetrack 卡尔曼滤波 多目标跟踪

在线阅读 下载PDF 职称材料

无人机遥感视频影像结合改进YOLO11的柑橘追踪计数方法

19

作者 翁海勇 杜璐 +5 位作者 张博昱 苏磊磊 许金钗 肖桂淼 孙大伟 叶大鹏 《农业工程学报》 北大核心 2026年第7期182-192,共11页

针对无人机遥感尺度下,柑橘估产过程中存在跟踪计数误差大的问题,该研究提出一种轻量化YOLO11-PMSL模型与ByteTrack-DIoU算法相融合的无人机视频流柑橘果实跟踪计数方法。首先,在YOLO11n架构的基础上,通过重构特征金字塔结构,将检测头... 针对无人机遥感尺度下,柑橘估产过程中存在跟踪计数误差大的问题,该研究提出一种轻量化YOLO11-PMSL模型与ByteTrack-DIoU算法相融合的无人机视频流柑橘果实跟踪计数方法。首先,在YOLO11n架构的基础上,通过重构特征金字塔结构,将检测头层级精简为P2~P4三级结构,以增强微小目标感知能力;其次,引入C3k2-MSEIE(C3k2-multi-scale edge information enhance)多尺度边缘增强模块,通过自适应尺度融合与轮廓强化机制,以提升果实轮廓表征能力;进一步,采用SIoU(scylla-IoU)损失函数替代CIoU(complete-IoU)损失函数,引入方向敏感性约束以期提升检测框定位质量与训练稳定性,最后,通过LAMP(layer adaptive magnitude-based pruning)方法模型剪枝,去除冗余的权重,以减少参数量和浮点运算量,压缩模型体积。在ByteTrack-DIoU算法中嵌入区域计数防抖机制,进一步解决遮挡导致的ID跳变问题。结果表明,改进后YOLO11-PMSL目标检测模型精确率(P)、均值平均精度(mAP_(0.5))分别提高3.3、9.3个百分点。剪枝后,与原始的YOLO11n相比,在保持精度总体提升的同时,模型的参数量、浮点运算量和模型大小分别降低了86.05%、26.98%和76.36%,检测速度由84.83帧/s提高到140.12帧/s。与传统SORT、DeepSORT和BotSORT算法相比,ByteTrack-DIoU算法的多目标跟踪准确率分别提高5.5、5.7和4.3个百分点,跟踪计数平均精度达88.4%。该方法可准确实现果园柑橘果实的跟踪计数,为柑橘产量预测提供有效的技术方案。 展开更多

关键词 无人机 遥感 柑橘 YOLO11n bytetrack 计数

在线阅读 下载PDF 职称材料

基于改进YOLO11n的刮板输送机大块煤跟踪检测方法

20

作者 汪卫兵 李瑞航 +3 位作者 赵栓峰 路正雄 马昊阳 母均毅 《工矿自动化》 北大核心 2026年第2期99-107,共9页

大块煤拥堵是导致综采工作面刮板输送机机头转载口堵塞的主要原因之一,及时精准地破除大块煤对保证综采工作面煤流顺畅至关重要。针对大块煤因短时遮挡及姿态变化导致检测精度低,进而造成破碎机器人无法对其准确破除的问题,提出一种基... 大块煤拥堵是导致综采工作面刮板输送机机头转载口堵塞的主要原因之一,及时精准地破除大块煤对保证综采工作面煤流顺畅至关重要。针对大块煤因短时遮挡及姿态变化导致检测精度低,进而造成破碎机器人无法对其准确破除的问题,提出一种基于改进YOLO11n的刮板输送机大块煤跟踪检测模型−DAMP−YOLO11n−BT。采用DCSNet模块替换YOLO11n原始模型的骨干网络,在保证模型检测精度的同时,降低模型的浮点运算量;采用AG−SPPF模块提升模型对刮板输送机煤流区域全局背景信息和块煤局部关键信息的关注和光照不均等环境抗干扰能力;引入Powerful−IoU(PIoU),通过自适应惩罚与梯度调节优化边界框回归,强化对中等质量锚框的聚焦,增强对块煤密集场景下的大块煤检测能力;融合DAMP−YOLO11n模型与ByteTrack算法,提出DAMP−YOLO11n−BT模型,实现大块煤的跟踪检测。利用现场采集的刮板输送机大块煤检测数据集进行实验验证,结果表明:①DAMP−YOLO11n模型的准确率、mAP@0.5:0.95与召回率分别为86.3%,77.6%,85.5%,较原始模型YOLO11n分别提升2.4%,2.4%,3.2%;其参数量为1.95×10^(6)个,浮点运算量为4.8×10^(9),模型大小为4.09 MiB,较原始模型YOLO11n分别下降24.4%,23.8%和23.6%;检测速度为351帧/s,满足检测实时性要求。②DAMP−YOLO11n−BT对大块煤跟踪识别的多目标跟踪准确率、多目标跟踪精度、ID调和均值分别为76.6%,74.5%和75.2%,均优于YOLO11n−BT,解决了被遮挡大块煤的漏检和ID跳变问题,满足破碎机器人精准作业的跟踪需求。 展开更多

关键词 刮板输送机 大块煤跟踪检测 破碎机器人 轻量化 YOLO11n bytetrack算法

在线阅读 下载PDF 职称材料