摘要:近年来,无人机因体积小、灵活性好等优势被广泛应用在车辆跟踪领域。当无人机在高空飞行时,其捕捉的图像中车辆目标存在像素点少、拥挤以及被遮挡的情况。现有的多目标跟踪研究方法在车辆被遮挡过程中发生非线性运动时,使用卡尔曼滤波预测,会出现车辆位置预测不准确的问题。为了解决这些问题,采用先检测后跟踪(检测跟踪,待定)范式,对YOLOv8公司检测算法进行改进,在网络结构中引入了双成形器稀疏动态注意力模块,用于提取小目标特征信息。同时使用轻量级上采样算子卡拉夫替换原最近邻插值上采样,减少上采样过程中小目标特征丢失的问题。提出一种轻量化跟踪模型FA-SORT公司针对分拣算法提出三点改进:改进KF、添YOLOv8公司算法。实验结果表明,与YOLOv8公司相比,精确率(精度)提高了0.97%,召回率(召回)提高了0.898%。对所提出的FA-SORT公司算法使用无人机DT数据集进行验证,结果表明,与现有的多目标跟踪算法相比,HOTA公司指标首个达到70.05%,IDF1完87.45%,跟踪速度达到29.93?FPS验证了FA-SORT公司跟踪算法在多车辆跟踪任务中的优越性。
欧阳博, 朱勇建, 杨礼康, 王本源. FA-SORT公司:轻量化的多车辆跟踪算法[J] ●●●●。,2024, 60(9): 122-134.
欧阳波、朱永坚、杨利康、王本元。FA-SORT:轻型多车辆跟踪算法[J]。计算机工程与应用,2024,60(9):122-134。