原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于增强TinyYOLOV3算法的车辆实时检测与跟踪.PDF
第 35 卷 第 8 期 农 业 工 程 学 报 Vol.35 No.8
118 2019 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2019
基于增强 Tiny YOLOV3 算法的车辆实时检测与跟踪
刘 军，后士浩，张 凯，张 睿，胡超超
（江苏大学汽车与交通工程学院，镇江 212013 ）
摘 要：针对深度学习方法在视觉车辆检测过程中对小目标车辆漏检率高和难以实现嵌入式实时检测的问题，该文基于
Tiny YOLOV3 算法提出了增强 Tiny YOLOV3 模型，并通过匈牙利匹配和卡尔曼滤波算法实现目标车辆的跟踪。在车载
Jetson TX2 嵌入式平台上，分别在白天和夜间驾驶环境下进行了对比试验。试验结果表明：与 Tiny YOLOV3 模型相比，
增强 Tiny YOLOV3 模型的车辆检测平均准确率提高 4.6% ，平均误检率减少 0.5%，平均漏检率降低 7.4%，算法平均耗时
增加 43.8 ms/帧；加入跟踪算法后，本文算法模型的车辆检测平均准确率提高 10.6%，平均误检率减少 1.2%，平均漏检
率降低 23.6%，平均运算速度提高 5 倍左右，可达 30 帧/s 。结果表明，所提出的算法能够实时准确检测出目标车辆，为
卷积神经网络模型的嵌入式工程应用提供了参考。
关键词：车辆；机器视觉；模型；车辆检测；车辆跟踪；Tiny YOLOV3 算法；卡尔曼滤波
doi ：10.11975/j.issn.1002-6819.2019.08.014
中图分类号：TP391 ；U491.6 文献标志码：A 文章编号：1002-6819(2019)-08-0118-08
刘 军，后士浩，张 凯，张 睿，胡超超. 基于增强Tiny YOLOV3算法的车辆实时检测与跟踪[J]. 农业工程学报，2019，
35(8)：118－125. doi ：10.11975/j.issn.1002-6819.2019.08.014 http ://
Liu Jun, Hou Shihao, Zhang Kai, Zhang Rui, Hu Chaochao. Real-time vehicle detection and tracking based on enhanced Tiny
YOLOV3 algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8):
118－125. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.08.014 http ://
法对检测的车辆进行实时跟踪的方法。Danelljan 等[18-19]
0 引 言
提出了一系列基于判别相关滤波器先估计目标的最佳位
研究表明，驾驶员的驾驶行为是引发交通事故的主
文档评论（0）