基于YOLO-Crab与改进的DeepSORT的水下河蟹检测与计数方法

1

作者 吴佳文 姬伟 +1 位作者 翟科龙 许波 《电子测量技术》 北大核心 2025年第17期132-141,共10页

为实现淡水池塘中无人水产养殖船的精准投饵,提出了YOLO-Crab+改进的DeepSORT的河蟹计数方法。首先,针对水下河蟹图像模糊、对比度低等问题,提出了一种基于CLAHE预处理下的YOLOv8的河蟹检测模型YOLO-Crab。YOLO-Crab在主干中增加坐标注... 为实现淡水池塘中无人水产养殖船的精准投饵,提出了YOLO-Crab+改进的DeepSORT的河蟹计数方法。首先,针对水下河蟹图像模糊、对比度低等问题,提出了一种基于CLAHE预处理下的YOLOv8的河蟹检测模型YOLO-Crab。YOLO-Crab在主干中增加坐标注意力机制,提高检测精度,同时,通过SimSPPF池化和GSConv+Slim Neck设计减轻模型量级。改进的DeepSORT算法用DIOU匹配替代IOU匹配来解决水草遮挡导致的河蟹ID跳变问题。实验表明,YOLO-Crab模型检测精度和F1分别达到了97.3%和94%,计数方法平均精度为81%。同时,将模型移植到Jeston AGX Orin上,检测精度达到95%,检测速度为60fps,提升了50%,计数精度为78%,能够为无人水产养殖船精准投饵提供可靠依据。 展开更多

关键词 无人水产养殖 YOLOv8 目标检测 河蟹计数 deepsort

在线阅读 下载PDF 职称材料

基于YOLO11-DeepSort算法的城市轨道交通站内客流状态预警模型

2

作者 孔佳鑫 向红艳 +1 位作者 杨哲 范文博 《中国安全科学学报》 北大核心 2025年第9期228-235,共8页

为提高城市轨道交通车站内的安全管理,提出一种基于YOLO11-DeepSort算法的城市轨道交通站内客流检测及预警模型。首先,建立行人头部数据集,并输入YOLO11训练模型参数,提取客流密度;其次,结合DeepSort动态跟踪乘客步行路径,提取客流量、... 为提高城市轨道交通车站内的安全管理,提出一种基于YOLO11-DeepSort算法的城市轨道交通站内客流检测及预警模型。首先,建立行人头部数据集,并输入YOLO11训练模型参数,提取客流密度;其次,结合DeepSort动态跟踪乘客步行路径,提取客流量、步行速度;然后,针对换乘通道、楼梯、站台等局部瓶颈的客流状态参数提取结果,运用模糊C均值聚类(FCM)算法将客流状态划分为6小类,并根据客流状态对应的危险等级分为4个预警等级;最后,以重庆轨道交通观音桥站为例,用前4天真实场景视频进行参数识别分析,训练FCM算法后得到聚类中心与阈值。运用训练后的算法对第5天的视频进行分类,并比较全天、高峰、平峰时段的分类结果。结果表明:站台是全天客流拥挤时间最长、风险最大的区域,站台高峰时段拥挤时长占比70%,一级预警时长占比15%;其次是楼梯,高峰拥挤时长占比46%,一级预警时长占比10%;最后是通道,高峰时段拥挤时长占比41%,一级预警时长占比5%。 展开更多

关键词 YOLO11 deepsort 城市轨道交通 客流状态 模糊C均值聚类(FCM)算法 预警

在线阅读 下载PDF 职称材料

基于YOLOX和DeepSORT的淡水鱼行为检测算法研究

3

作者 张哲鼎 王超柱 +2 位作者 陈骏 OKINDA Cedric 刘龙申 《智能化农业装备学报(中英文)》 2025年第3期88-97,共10页

淡水鱼行为识别是生态学研究的重要组成部分,有助于理解鱼类的生态习性和环境适应能力。为实现淡水鱼行为识别,研究提出一种基于YOLOX和DeepSORT算法的淡水鱼行为检测算法。选用Open Image Dataset V7中鱼类目标检测数据集作为数据集1,... 淡水鱼行为识别是生态学研究的重要组成部分,有助于理解鱼类的生态习性和环境适应能力。为实现淡水鱼行为识别,研究提出一种基于YOLOX和DeepSORT算法的淡水鱼行为检测算法。选用Open Image Dataset V7中鱼类目标检测数据集作为数据集1,采用YOLOX进行淡水鱼目标检测模型训练,以迁移学习方式对人工标注、图像增强后的数据集2进行二次训练,完成淡水鱼目标检测模型。基于目标检测,获取外观特征,使用DeepSORT搭建淡水鱼目标追踪算法,获取鱼的位置信息、速度和加速度。通过分析鱼的运动信息,设定规则对鱼类活动、死亡、急游及其他常见行为进行分类。研究结果表明,采用迁移学习与图像增强减少模型训练所需样本量,淡水鱼目标检测模型具有较好的准确性,检测精度达到83%。DeepSORT算法对淡水鱼目标跟踪结果效果较好,能够准确提取淡水鱼运动信息,处理速度为10帧/s,有较好的实时性,MOTA、MOTP、IDF1分别达到83.582%、96.245%和94.105%,具备较好的追踪性能。基于运动信息按预设规则对淡水鱼行为定义,使用支持向量机和随机森林进行分类,其中随机森林方法准确率达到99.72%。研究所提出的基于YOLOX和DeepSORT的淡水鱼行为检测算法,在保证较高检测精度的同时实现了良好的实时性,能够有效地识别淡水鱼的行为模式,为生态学研究提供有力的技术支持。 展开更多

关键词 YOLO deepsort 淡水鱼 水产养殖 行为检测

在线阅读 下载PDF 职称材料

基于改进YOLO11-DeepSORT模型的“低慢小”无人机识别跟踪算法

4

作者 赵琦云 张赫 +2 位作者 靳崇 李闪 马少华 《火力与指挥控制》 北大核心 2025年第7期125-132,共8页

针对现有基于机器视觉的无人机识别跟踪方法准确率与鲁棒性不足的问题,提出改进YOLO11-DeepSORT模型。通过在YOLO11中引入C3K2-PPA模块强化特征提取,改进损失函数缓解目标-背景失衡问题,并设计基于扩展卡尔曼滤波的EKDeepSORT跟踪算法... 针对现有基于机器视觉的无人机识别跟踪方法准确率与鲁棒性不足的问题,提出改进YOLO11-DeepSORT模型。通过在YOLO11中引入C3K2-PPA模块强化特征提取,改进损失函数缓解目标-背景失衡问题,并设计基于扩展卡尔曼滤波的EKDeepSORT跟踪算法以提升模型跟踪鲁棒性。实验表明,该模型在无人机高空数据集下较现有模型的平均精度均值及跟踪精确率分别提升3.4%和32.5%。 展开更多

关键词 无人机 目标识别跟踪 YOLO11 扩展卡尔曼 deepsort

在线阅读 下载PDF 职称材料

改进YOLOv8s与DeepSORT的矿工帽带检测及人员跟踪 被引量：9

5

作者 丁玲 缪小然 +2 位作者 胡建峰 赵作鹏 张新建 《计算机工程与应用》 CSCD 北大核心 2024年第5期328-335,共8页

不系帽带,安全帽等于没戴。然而现有的安全帽检测方法,缺乏对帽带异常佩戴的检测研究。针对此问题,结合煤矿井下特殊的作业环境,以人员安全帽帽带检测及人员跟踪为研究对象,提出了CM-YOLOv8s算法检测安全帽及其帽带,利用DeepSORT算法对... 不系帽带,安全帽等于没戴。然而现有的安全帽检测方法,缺乏对帽带异常佩戴的检测研究。针对此问题,结合煤矿井下特殊的作业环境,以人员安全帽帽带检测及人员跟踪为研究对象,提出了CM-YOLOv8s算法检测安全帽及其帽带,利用DeepSORT算法对未系帽带的作业人员进行跟踪。利用井下监控视频制作数据集,使用CM-YOLOv8s对井下人员安全帽帽带进行检测:在YOLOv8s的基础上引入更高分辨率的特征图并新增了一种级联查询机制,在不提高计算成本的前提下能完成对小物体更精准的检测。利用改进DeepSORT对人员进行编码追踪:采用更深层卷积替换DeepSORT中小型残差网络来强化外观信息提取能力。通过自制井下安全帽帽带检测及跟踪数据集对改进算法进行验证,实验结果表明:CM-YOLOv8s的安全帽帽带识别算法平均精度均值达到92.3%,较YOLOv8s提高4.2个百分点。此外,基于CM-YOLOv8s与DeepSORT的安全帽规范佩戴识别系统的平均准确率为85.37%,检测速度达到59 FPS。提出的安全帽帽带检测算法,通过检测帽带是否在人员下颚附近来鉴别安全帽是否规范佩戴,能较好地平衡检测速度与精度,并能适应复杂的井下环境。通过在陈四楼煤矿数月的应用表明,实现了对安全帽佩戴异常的监测预警,加强了对矿工规范佩戴安全帽的有效监管。 展开更多

关键词 安全帽 帽带检测 实时监测 YOLOv8 deepsort

在线阅读 下载PDF 职称材料

基于Transformer改进的YOLOv5+DeepSORT的车辆跟踪算法 被引量：3

6

作者 何水龙 张靖佳 +1 位作者 张林俊 莫德赟 《汽车技术》 CSCD 北大核心 2024年第7期9-16,共8页

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... 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%。 展开更多

关键词 YOLOv5 车辆检测 deepsort TRANSFORMER

在线阅读 下载PDF 职称材料

基于YOLOv8和DeepSort的多区域行人追踪算法研究 被引量：4

7

作者 申士彪 彭健钧 +3 位作者 王鸿亮 郭立 魏磊 孟巾凯 《小型微型计算机系统》 CSCD 北大核心 2024年第8期1935-1943,共9页

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... 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%. 展开更多

关键词 行人跟踪 YOLOv8 deepsort 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪 被引量：5

8

作者 李志安 林道程 +2 位作者 姜晓凤 夏英杰 李金屏 《济南大学学报（自然科学版）》 CAS 北大核心 2024年第5期556-563,共8页

针对因受水面波纹、反光及目标外观特征相似而导致的游泳池中目标检测跟踪困难的问题,提出一种基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪方法;通过引入注意力机制改进YOLOv5算法,增强算法对目标特征的提取能力;将检测结果输... 针对因受水面波纹、反光及目标外观特征相似而导致的游泳池中目标检测跟踪困难的问题,提出一种基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪方法;通过引入注意力机制改进YOLOv5算法,增强算法对目标特征的提取能力;将检测结果输入到DeepSort算法中,在级联匹配中引入K邻域限制筛选目标检测框,减少因目标外观特征不明显引起的身份切换问题;利用匈牙利算法对检测框和预测框进行匹配,对未匹配成功的检测框采用距离交并比代替交并比进行二次匹配,提高DeepSort算法的跟踪性能;通过对比实验和消融实验验证所提出的多目标检测跟踪算法的性能。结果表明:改进的YOLOv5算法平均精准度提高2%,结合DeepSort算法跟踪检测,身份切换平均减少58次,多目标跟踪精确率为80.26%,比原始YOLOv5算法和Deepsort算法跟踪准确率提升了3.85%。 展开更多

关键词 目标检测 目标跟踪 YOLOv5算法 deepsort算法 注意力机制 K邻域限制

在线阅读 下载PDF 职称材料

基于YOLO v5+DeepSORT算法的羊群游走同步群体决策行为研究 被引量：3

9

作者 刘成 岳训 《农业机械学报》 EI CAS CSCD 北大核心 2024年第6期229-236,共8页

随着畜牧养殖智能化监控技术的产业化应用,进一步提升畜禽养殖的分类施策精细化管理,成为现代畜牧业精细高效养殖管理的新需求。采用固定机位、多角度视频采集技术,实时记录羊群牧食过程中的游走行为;针对羊群游走视频中易出现遮挡的复... 随着畜牧养殖智能化监控技术的产业化应用,进一步提升畜禽养殖的分类施策精细化管理,成为现代畜牧业精细高效养殖管理的新需求。采用固定机位、多角度视频采集技术,实时记录羊群牧食过程中的游走行为;针对羊群游走视频中易出现遮挡的复杂情况,设计了基于YOLO v5模型的羊群多目标检测模型,羊群游走过程中的多目标实时跟踪识别率可达90.63%;采用羊群游走多目标轨迹跟踪DeepSORT算法,通过提取羊目标的深度表观特征,计算出羊群游走轨迹和变化节拍规律。结果表明,羊的游走过程通常为慢走、快走和疾走3种方式,单只羊的游走过程通常是不固定的随机组合。在中大规模羊群中,由于亲缘关系结构的复杂性,羊群往往分化为多个小群体,这使得从整体上观察和分析羊群行为变得异常困难。为此,聚焦于小规模羊群进行研究,通过羊群散列、聚集和同步3个游走过程分析,初步验证了羊群游走节拍周期上的同步现象。 展开更多

关键词 羊群 群体决策 同步 智慧畜牧 目标跟踪 YOLO v5 deepsort

在线阅读 下载PDF 职称材料

基于改进YOLOv8n+DeepSORT的带式输送机异物检测及计数方法 被引量：6

10

作者 陈腾杰 李永安 +1 位作者 张之好 林斌 《工矿自动化》 CSCD 北大核心 2024年第8期91-98,共8页

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,... 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。 展开更多

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

在线阅读 下载PDF 职称材料

改进YOLOv7和DeepSORT的井下人员检测与跟踪算法 被引量：1

11

作者 范伟强 王雪瑾 +1 位作者 张颖慧 李晓宇 《煤炭科学技术》 CSCD 北大核心 2024年第S2期343-355,共13页

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... 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检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试验验证。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。 展开更多

关键词 井下人员检测 检测与跟踪 YOLOv7模型 deepsort 轻量化

在线阅读 下载PDF 职称材料

基于改进DeepSORT的群养生猪行为识别与跟踪方法 被引量：28

12

作者 涂淑琴 刘晓龙 +3 位作者 梁云 张宇 黄磊 汤寅杰 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期345-352,共8页

为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换... 为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。 展开更多

关键词 群养生猪 目标检测 行为识别 多目标跟踪 deepsort

在线阅读 下载PDF 职称材料

改进YOLOv5s和DeepSORT的井下人员检测及跟踪算法 被引量：20

13

作者 邵小强 李鑫 +3 位作者 杨涛 杨永德 刘士博 原泽文 《煤炭科学技术》 EI CAS CSCD 北大核心 2023年第10期291-301,共11页

矿井移动目标的实时监测及跟踪系统是建设智慧矿山必不可少的内容,井下巡检机器人的出现可以实现对作业人员的实时监测,但是井下光照不均、煤尘干扰等因素的存在导致传统图像检测算法无法准确检测出作业人员。基于此提出一种可部署于井... 矿井移动目标的实时监测及跟踪系统是建设智慧矿山必不可少的内容,井下巡检机器人的出现可以实现对作业人员的实时监测,但是井下光照不均、煤尘干扰等因素的存在导致传统图像检测算法无法准确检测出作业人员。基于此提出一种可部署于井下巡检机器人的改进YOLOv5s和Deep-SORT的井下人员检测及跟踪算法。首先利用监控摄像头与巡检机器人所录视频制作数据集,然后使用改进YOLOv5s网络对井下人员进行识别:考虑到井下人员检测及跟踪算法包含复杂的网络结构和庞大的参数体量,限制了检测模型的响应速度,使用改进轻量化网络ShuffleNetV2替代原YOLOv5s主干网络CSP-Darknet53。同时,为减少图像中复杂背景的干扰,提升作业人员的关注度,将Transformer自注意力模块融入改进ShuffleNetV2。其次,为了使多尺度特征能够有效融合且使得推理信息能够有效传输,将Neck中FPN+PAN结构替换为BiFPN结构。接着利用改进DeepSORT对人员进行编码追踪:考虑到井下环境黑暗,照度低,无纹理性,DeepSORT难以有效提取到人员的外观信息,于是采用更深层卷积替换DeepSORT中小型残差网络来强化DeepSORT的外观信息提取能力。最后通过公开行人数据集及自建井下人员检测及跟踪数据集对本文改进算法进行验证,结果表明:改进的检测模型相比于原YOLOv5s模型平均检测精度提高了5.2%,参数量减少了41%,速度提升了21%;改进YOLOv5s-DeepSORT的井下人员跟踪方法精度达到了89.17%,速度达到了67FPS,可以有效部署于井下巡检机器人实现作业人员的实时检测及跟踪。 展开更多

关键词 井下巡检机器人 YOLOv5s 轻量化 deepsort 实时检测及跟踪

在线阅读 下载PDF 职称材料

基于Micro-CT和改进DeepSORT的再生稻再生芽追踪计数与再生力评价 被引量：5

14

作者 黄成龙 华向东 +4 位作者 黄诗豪 卢智浩 董佳乐 张俊 杨万能 《农业工程学报》 EI CAS CSCD 北大核心 2023年第11期165-174,共10页

再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和... 再生稻具有一种两收的优势,其再生力直接决定了水稻再生季产量,而水稻再生力与再生季再生芽的数量密切相关。传统人工水稻再生芽检测方法存在接触损伤、主观低效和重复性差等缺点,该研究提出了一种基于MicroCT(computed tomography)和改进的DeepSORT(simple online and realtime tracking)的再生芽多目标追踪计数和再生力评价方法。首先采用Micro-CT成像获取再生季水稻断层图视频流,然后利用YOLOv5s网络作为再生芽追踪检测器,最后通过改进的DeepSORT追踪算法实现水稻再生芽的精准追踪计数。其中DeepSORT改进包括优化再生芽追踪过程中的ID错误;增加再生芽目标追踪的匹配次数,改善ID跳变的问题;计算再生芽的高度信息,实现对再生芽中有效芽的判别。试验结果表明,在目标检测上,YOLOv5s对再生芽和茎秆的平均检测准确率分别为97.3%和99.1%,在再生芽多目标追踪上,改进的DeepSORT算法的多目标跟踪准确度为77.61%,高阶跟踪精度为61.73%,ID跳变为6,与改进之前相比,多目标跟踪准确度和高阶跟踪精度分别提升了1.5和8.5个百分点,ID跳变降低了94%。对8种不同处理共104盆水稻再生芽进行追踪计数,将系统测量值与人工测量值进行统计对比,结果证明本文方法测量的再生芽数量和人工观测值的决定系数为0.983,均方根误差为3.460,平均绝对百分比误差为5.647%,两者具有较高的回归性。研究基于有效再生芽和茎秆数量的比值得到水稻早期再生力,对2个水稻品种共38盆水稻的再生力和再生季实际产量进行相关分析得到决定系数分别为0.795和0.764。该研究为水稻再生芽无损检测和再生力早期评价提供了一种技术途径。 展开更多

关键词 检测 Micro-CT成像 deepsort 目标追踪计数 再生稻再生芽 水稻再生力

在线阅读 下载PDF 职称材料

改进YOLOv5+DeepSort的行人跟踪算法 被引量：10

15

作者 韩晓冰 王雨田 +1 位作者 黄综浏 张玮良 《现代电子技术》 2023年第7期33-38,共6页

针对复杂环境道路行人跟踪易发生身份丢失、切换的问题,提出一种改进的YOLOv5检测并结合DeepSort跟踪算法。检测阶段,融合注意力模块CBAM与YOLOv5颈部网络增强对行人特征的提取;用SIoU边界框损失函数代替CIoU边界框损失函数,加速边界框... 针对复杂环境道路行人跟踪易发生身份丢失、切换的问题,提出一种改进的YOLOv5检测并结合DeepSort跟踪算法。检测阶段,融合注意力模块CBAM与YOLOv5颈部网络增强对行人特征的提取;用SIoU边界框损失函数代替CIoU边界框损失函数,加速边界框回归的同时提高准确定位度。跟踪阶段,改进DeepSort利用拓展卡尔曼滤波器对非线性环境行人位置进行预测,通过匈牙利算法匹配预测和检测轨迹,优化复杂环境下行人身份切换频繁的问题。最后连接改进后的YOLOv5与DeepSort算法,对MOT⁃16数据集进行检测跟踪。实验结果表明:改进YOLOv5算法较原算法平均精准度提高4%,结合DeepSort跟踪,平均跟踪精确度为63.5%,比原始算法提升了3.4%;行人身份切换次数减少52次,比原始算法减少了6.5%。 展开更多

关键词 行人跟踪 YOLOv5 deepsort 特征提取 注意力机制 拓展卡尔曼滤波

在线阅读 下载PDF 职称材料

应对遮挡问题对DeepSORT进行轨迹拟合优化

16

作者 李伟 颜旒 《现代电子技术》 2023年第10期173-180,共8页

检测跟踪范式是多目标跟踪的主要研究方向,也是自动驾驶汽车的主要应用框架。完善的检测跟踪范式可以在提高多目标跟踪精度的同时有效降低跟踪框的失真率。然而在现有的先进方法中,这种范式通常会遇到多目标重叠后的ID交换问题,严重影... 检测跟踪范式是多目标跟踪的主要研究方向,也是自动驾驶汽车的主要应用框架。完善的检测跟踪范式可以在提高多目标跟踪精度的同时有效降低跟踪框的失真率。然而在现有的先进方法中,这种范式通常会遇到多目标重叠后的ID交换问题,严重影响跟踪精度和轨迹判断。为解决该问题,文中基于经典的DeepSORT算法提出改进方案。首先,在卡尔曼滤波器中添加跟踪框进行置信度的预测和更新,并按降序对更新后的置信度进行排列,在后续匹配中优先匹配预测置信度更高的跟踪目标;然后,比较预测置信度和检测置信度之间的差异,识别出置信度突变的目标,以进行跟踪轨迹的优化和剪枝;最后,使用余弦相似度和交并比(IoU)识别重叠目标,并对重叠目标中置信度最高的目标消失后的轨迹进行多项式轨迹拟合,以纠正错误的ID,完成精确匹配。实证分析结果表明,相比于目前多种先进算法,所提方法的ID交换次数为172,优于其他算法,验证了该算法的可行性和正确性。 展开更多

关键词 遮挡目标检测 多目标重叠 deepsort算法 轨迹拟合算法 卡尔曼滤波 置信度 算法对比

在线阅读 下载PDF 职称材料

基于CenterNet搭配优化DeepSORT算法的断奶仔猪目标跟踪方法研究 被引量：15

17

作者 张伟 沈明霞 +3 位作者 刘龙申 孙玉文 杨运南 许志强 《南京农业大学学报》 CAS CSCD 北大核心 2021年第5期973-981,共9页

[目的]断奶仔猪是生猪养殖业中的重点关注对象,群养环境下的仔猪精准跟踪是分析仔猪个体行为、监测仔猪个体健康的基础。本文提出1种基于深度学习的断奶仔猪目标跟踪方法。[方法]利用基于中心点的CenterNet检测算法设计断奶仔猪目标检... [目的]断奶仔猪是生猪养殖业中的重点关注对象,群养环境下的仔猪精准跟踪是分析仔猪个体行为、监测仔猪个体健康的基础。本文提出1种基于深度学习的断奶仔猪目标跟踪方法。[方法]利用基于中心点的CenterNet检测算法设计断奶仔猪目标检测模型,对DeepSORT算法的检测部分进行优化;训练优化跟踪过程中提取仔猪目标外观特征的模型,结合卡尔曼滤波和匈牙利匹配算法,改进重识别环节,实现具有深度关联度量的断奶仔猪目标实时检测与跟踪。[结果]算法测试结果表明,断奶仔猪目标检测模型的平均精度均值和召回率分别为99.0%和78.6%,多目标跟踪精度MOTA和MOTP指标分别为96.8%和81.8%。[结论]本文所提方法改善了因断奶仔猪外表高度相似性以及黏连遮挡情况导致跟踪困难的问题,可在群养环境中精准跟踪断奶仔猪个体,算法为后续仔猪个体行为分析研究提供技术支撑。 展开更多

关键词 深度学习 deepsort算法 目标检测 目标跟踪 深度关联度量

在线阅读 下载PDF 职称材料

基于改进YOLO和DeepSORT的实时多目标跟踪算法 被引量：29

18

作者 黄凯文 凌六一 +2 位作者 王成军 吴起 李学松 《电子测量技术》 北大核心 2022年第6期7-13,共7页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于DeepSORT算法的鱼道过鱼种类识别和计数研究 被引量：9

19

作者 吴必朗 柳春娜 姜付仁 《水利水电技术（中英文）》 北大核心 2022年第9期152-162,共11页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于DeepSort的动态车辆多目标跟踪方法研究 被引量：4

20

作者 何维堃 彭育辉 +2 位作者 黄炜 姚宇捷 陈泽辉 《汽车技术》 CSCD 北大核心 2023年第11期27-33,共7页

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,... 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。 展开更多

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

在线阅读 下载PDF 职称材料