摘要

针对基于深度学习的目标跟踪算法实时性差、成功率低以及抗干扰性弱等问题,提出了一种基于改进YOLOv3和DSST的目标跟踪算法。选用检测精度和速度均优于SDD的YOLOv3检测算法,并通过减少YOLOv3算法中1个尺度的输出张量以提高检测实时性;将DSST跟踪算法预测的目标区域放大2倍后作为YOLOv3检测算法输入,检测结果用于更新DSST跟踪目标框,从而提高跟踪算法的抗干扰性。实验表明:提出的算法提高了跟踪算法成功率和实时性,在很多场景下表现出较强的鲁棒性。