科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
