YOLOv5与Deep-SORT联合优化的无人机多目标跟踪算法

作者：罗茜; 赵睿; 庄慧珊; 罗宏刚

来源：信号处理, 2022, 38(12): 2628-2638.

DOI：10.16798/j.issn.1003-0530.2022.12.017

• 深度学习
• 目标跟踪
• 目标检测
• 无人机

针对无人机平台下小目标检测性能差、目标尺度变化较大、复杂背景干扰等导致跟踪失败的问题，该文提出一种联合优化检测器YOLOv5(You Only Look Once)和Deep-SORT(Simple Online and Realtime Tracking with a Deep Association Metric)的无人机多目标跟踪算法。该算法使用改进的CSPDarknet53(Cross Stage Paritial Darknet53)骨干网络重新构建检测器中的特征提取模块，同时通过自顶向下和自底向上的双向融合网络设计小目标检测层，采用无人机航拍数据集训练更新优化后的目标检测网络模型，解决小目标检测性能差问题；在跟踪模块中，提出结合时空注意力模块的残差网络作为特征提取网络，加强网络感知微小外观特征及抗干扰的能力，最后采用三元组损失函数加强神经网络区分类内差异的能力。实验结果表明，优化后的目标检测的平均检测精度相比于原始YOLOv5提升了11%，在UAVDT数据集上相较于原始跟踪算法准确率与精度分别提高了13.288%、3.968%，有效减少目标身份切换频次。

• 单位
  华侨大学