欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022103355363
申请人: 河海大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进YOLO‑V5s的多目标检测与跟踪方法,其特征在于,包括以下步骤:S1:制作数据集:确定检测对象,拍摄不同位置、不同数量、不同大小、不同光线下的图片,并用标注工具制作标签文件,用于训练YOLO‑V5s模型;

S2:制作重识别数据集:不同照明、不同视角拍摄检测目标,提取出图片中的目标信息,制作丰富的重识别数据集,用于训练DeepSort算法中的目标外观特征提取网络;

S3:对YOLO‑V5s算法中的主干特征提取网络进行改进,将普通卷积替换为轻量型卷积模块Ghost Module,并且在主干特征提取网络的最后一层添加卷积注意力机制CBAM;

S4利用S1中的数据集训练改进后的YOLO‑V5s模型,利用S2中的重识别数据集训练DeepSort中的目标外观特征提取网络;

S5:将改进的YOLO‑V5s模型和DeepSort算法结合:YOLO‑V5识别目标以得到目标物的检测框信息,并导入至DeepSort框架中;将该帧的目标信息与上一帧的轨迹信息进行级联匹配,最终得到目标检测和跟踪模型。

2.根据权利要求1所述的一种基于改进YOLO‑V5s的车辆检测与跟踪方法,其特征在于:YOLO‑V5s模型是YOLO‑V5系列中深度最小、速度最快的网络,在YOLO‑V4的基础上进行了改进,包括加入Focus结构、自适应图片缩放、在Neck部分加入CSP2结构等。

3.根据权利要求1所述的一种基于改进YOLO‑V5s的车辆检测与跟踪方法,其特征在于:DeepSort是目前比较先进的目标跟踪算法,且在Sort算法的基础上引入外观特征的计算,解决了ID跳变的问题,有着较高的精度和速度。

4.根据权利要求1所述的一种基于改进YOLO‑V5s的车辆检测与跟踪方法,其特征在于:所述步骤S3的新型轻量卷积模块Ghost Module使得YOLO‑V5s模型的参数量和计算量有所降低,提升了计算模型在嵌入式设备上的可移植性。

5.根据权利要求1所述的一种基于改进YOLO‑V5s的车辆检测与跟踪方法,其特征在于:所述步骤S3的卷积注意力机制CBAM通过给定一个中间特征图,沿着通道和空间两个独立的维度依次推断注意力图,然后将注意力图与输入特征图相乘以进行自适应特征优化,增强了提取目标细节的能力。

6.根据权利要求1所述的一种基于改进YOLO‑V5s的车辆检测与跟踪方法,其特征在于:通过改进的YOLO‑V5s模型结合DeepSort算法使得目标检测与跟踪的效果有所提高。