摘要

特定动态目标的快速检测及跟踪,是计算机视觉领域重要的课题。改变特征图在YOLOv3卷积神经网络中的选取位置,通过收集相关网络数据(类似模式分析、统计建模和计算学习视觉对象类别数据集合,即PASCAL Visual Object Classes数据集)构建自定义数据集合进行训练,使用面积的交并比完成辅助类别的联合,构建了能够实时检测特定目标在相关可视对象类检测数据集合上mAP@75达到47.41的检测器。联合卡尔曼滤波和匈牙利算法,通过将面积信息加入到匈牙利算法的代价矩阵中,改善了使用原方法产生大量ID切换(IDswitch)的问题。该方法满足快速识别与跟踪的要求,在使用一张NVIDIA GeForce GTX 1060 6GB GPU条件下,平均速度能达到0.109 7 s/帧。