改进YOLO与Deepsort检测跟踪算法的研究.docxVIP

? ? 改进YOLO与Deepsort检测跟踪算法的研究 ? ? 葛 雯，姜添元 (沈阳航空航天大学电子与信息工程学院，辽宁 沈阳 110136) 1 引言 视频监控一直是计算机视觉邻域的热门应用，监控场景中的目标识别与跟踪更是研究热点，其不仅用于日常生活中的交通监控、防盗监控等，甚至在安防以及军事邻域都发挥着至关重要的作用。 现阶段监控场景中常用的目标检测方法为帧间差分法，由于其实现简单得到了最为广泛地应用，但是如果视频中的目标移动过快或过慢，就会造成运动物体内部灰度值相近，物体边缘轮廓过粗，也就是俗称的“空洞”和“双影”现象，对检测造成不良影响。Minoh M 和 Kameda Y提出了基于帧差分法改进的三帧差分法提取目标，轮廓清晰但效果仍不尽人意。JosephRedmon和Ross Girshick提出的YOLO算法，是将目标检测转换成一个回归问题，使检测速度得到了极大的提升，但精度不高。目标跟踪进展要落后于目标检测，其中基于目标检测跟踪的方法[1]，这类方法场景适应性强，鲁棒性高，所以发展迅速并逐渐普及，其中就以Sort算法[2-5]为代表的，但其对物体遮挡几乎没有处理，在有遮挡的情况下准确度非常低。而Deepsort算法[6]利用YOLO算法选取窗口，卡尔曼滤波进行预测，结合匈牙利算法匹配出跟踪目标的方法精度高且鲁棒性强，但在对运动目标进行预测以及匹配时工作量很大