论文摘要
基于YOLOv3（you-only-look-once v3）提出了一种融入外观特征的车辆多目标检测与跟踪算法。通过改进YOLOv3算法的损失函数,提升其检测精度;采用卡尔曼滤波算法实现单目标运动状态跟踪,并进行了试验验证;通过构造检测目标与跟踪目标的坐标特征关联损失和外观特征关联损失进行多目标的关联匹配。试验结果表明,所提出的跟踪算法可以很好地避免目标遮挡导致的漏检;并且在复杂环境下,如车辆轨迹发生交叉时,算法仍能保证较高的检测和跟踪精度。
论文目录
文章来源
类型: 期刊论文
作者: 周苏,支雪磊,林飞滨,宁皓,蒋连新,吴楠
关键词: 机器视觉,车辆检测,多目标跟踪,卷积神经网络
来源: 同济大学学报(自然科学版) 2019年S1期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 汽车工业,计算机软件及计算机应用
单位: 同济大学汽车学院,同济大学中德学院
基金: 奥地利Austrian Research Promotion Agency(FFG)基金“RoboCar”项目(861000),AVL博士后,博士奖学金
分类号: U463.6;TP391.41
页码: 191-198
总页数: 8
文件大小: 2527K
下载量: 158