FA-SORT：轻量化的多车辆跟踪算法

doi:10.3778/j.issn.1002-8331.2307-0359

摘要/摘要

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。

关键词: 多车辆跟踪, 目标检测, 速度方向一致性匹配, 检测值匹配, 无人机图像

摘要：近年来，无人机因其体积小、灵活性强，在车辆跟踪领域得到了广泛的应用。然而，当无人机在高空飞行时，其捕获的图像中几乎没有像素点、拥挤和遮挡车辆对象。此外，现有的多目标跟踪研究方法在车辆遮挡过程中发生非线性运动时使用卡尔曼滤波预测，存在车辆位置预测不准确的问题。为了解决这些问题，本文采用检测跟踪（TBD）范式，首先通过在网络结构中引入BiFormer稀疏动态注意模块来改进YOLOv8检测算法，以提取小目标特征信息。同时，使用轻量级的上采样算子CARAFE来代替原来的最近邻插值上采样，减少了上采样过程中小对象特征丢失的问题。然后提出了一种轻量级跟踪模型FA-SORT，并对SORT算法提出了三点改进：改进KF、增加速度方向一致性匹配和检测值匹配。最后，在自制的多个车辆数据集组合上验证了改进的YOLOv8算法。实验结果表明，与YOLOv8相比，该算法的准确率提高了0.97%，召回率提高了0.898%。使用UAVDT数据集验证了所提出的FA-SORT算法，结果表明，与现有的多目标跟踪算法相比，第一HOTA度量达到70.05%，IDF1达到87.45%，跟踪速度达到29.93FPS。验证了FA-SORT跟踪算法在多车辆跟踪任务中的优越性。

关键词： 多车辆跟踪，物体检测，速度方向一致性匹配，检测值匹配，无人机图像

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。

参考文献

[1]严飞, 马可, 刘佳, 等. 无人机目标实时自适应跟踪系统[J] ●●●●。，2022, 58(10): 178-184.
阎飞，马可，刘杰，等.无人机目标实时自适应跟踪系统[J]。计算机工程与应用，2022，58（10）：178-184。
[2] 苑玉彬, 吴一全, 赵朗月, 等. 基于深度学习的无人机航拍视频多目标检测与跟踪研究进展[J] ●●●●。航空学报, 2023, 44(18): 6-36.
袁永斌，吴永清，赵立勇，等.基于深度学习的无人机航空视频多目标检测与跟踪研究进展[J]。《航空航天学报》，2023，44（18）：6-36。
[3] 周凯，向T.Torchreid:pytorch的深度学习人再识别图书馆[J]。arXiv:1910.100932019年。
[4] 单兆晨, 黄丹丹, 耿振野, 等. 免锚检测的行人多目标跟踪算法[J] ●●●●。，2022, 58(10): 145-152.
尚志聪，黄大德，耿志勇，等.无锚点检测的行人多目标跟踪算法[J]。计算机工程与应用，2022，58（10）：145-152。
[5] VASWANI A、SHAZEER N、PARMAR N等。注意力就是你所需要的一切[C]//神经信息处理系统进展，2017。
[6] BEWLEY A，GE Z，OTT L，et al.简单在线实时跟踪[C]//2016 IEEE国际图像处理会议（ICIP），2016:3464-3468。
[7] KALMAN R E.线性滤波和预测问题的新方法[J]。基础工程杂志，1960，82（1）：35-45。
[8] AKSHITHA S，KUMAR K S A，NETHRITHAMEDA M，等.匈牙利算法在求解旅行商问题中的应用[C]//2018 IEEE电子信息通信技术最新趋势国际会议，2018:2470-2474。
[9] WOJKE N，BEWLEY A，PAULUS D。使用深度关联度量进行简单在线和实时跟踪[C]//2017 IEEE图像处理国际会议，2017:3645-3649。
[10] 王Z，郑力，刘毅，等。面向实时多目标跟踪[C]//欧洲计算机视觉会议。查姆：施普林格国际出版公司，2020年：107-122。
[11] 张毅，王C，王X，等.Fairmot：多目标跟踪中检测和再识别的公平性[J]。《国际计算机视觉杂志》，2021，129:3069-3087。
[12] 杜毅，赵智，宋毅，等。Strongsort:让深度排序再次伟大[J]。IEEE多媒体汇刊，2023，25:8725-8737。
[13] AHARON N，ORFAIG R，BOBROVSKY B Z.BoT SORT：多行人跟踪的鲁棒关联[J]。arXiv:2206。
14651, 2022.
[14] 张毅，孙鹏，姜毅，等。字节跟踪：通过关联每个检测框进行多目标跟踪[C]//欧洲计算机视觉会议。查姆：施普林格，2022:1-21。
[15] 曹J，PANG J，WENG X，等.以观测为中心的排序：鲁棒多目标跟踪的重新思考排序[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2023:9686-9696。
[16] 李明，翟德，杨德，等。BVTracker：基于行为视觉特征的多车辆跟踪[J]。IEEE传感器杂志，2023，23（11）：11815-11824。
[17] GRAVES A.长短期记忆[M]//用递归神经网络监督序列标记。[S.l.]：施普林格，2012:37-45。
[18] 李毅，范强，黄赫，等.一种改进的YOLOv8无人机航空图像识别检测网络[J]。无人机，2023，7（5）：304。
[19] 朱磊，王X，柯Z，等.BiFormer:具有双层路由注意的视觉变换器[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2023:10323-10333。
[20] 王杰，陈凯，徐锐，等.Carafe:功能的内容软件重组[C]//IEEE/CVF国际计算机视觉会议论文集，2019:3007-3016。
[21] 李震霄, 孙伟, 刘明明, 等. 交通监控场景中的车辆检测与跟踪算法研究[J] ●●●●。，2021, 57(8): 103-111.
李志X，孙伟，刘明明，等。交通监控场景中车辆检测与跟踪算法研究[J]。计算机工程与应用，2021，57（8）：103-111。
[22]FENG C，ZHONG Y，GAO Y，et al.Tood:任务对齐的一步目标检测[C]//2021 IEEE/CVF国际计算机视觉会议（ICCV），2021:3490-3499。
[23] 刘文婷, 卢新明. 基于计算机视觉的变压器研究进展[J] ●●●●。，2022, 58(6): 1-16.
刘文堂，吕晓明。基于计算机视觉的变压器研究进展[J]。计算机工程与应用，2022，58（6）：1-16。
[24]刘Z，林毅，曹毅，等.Swin transformer:使用移位窗口的分层视觉变换器[C]//IEEE/CVF国际计算机视觉会议论文集，2021:10012-10022。
[25]王伟，姚立，陈立，等.交叉成形器：一种基于跨尺度注意的多功能视觉变换器[J]。arXiv:2108.001542021。
[26]TU Z，TALEB H，ZHANG H，et al.Maxvit:多轴视觉变换器[C]//欧洲计算机视觉会议。查姆：瑞士施普林格自然出版社，2022:459-479。
[27]CHEN Z，ZHU Y，ZHAO C，et al.博士：基于变形补丁的视觉识别变压器[C]//第29届ACM国际多媒体会议论文集，2021:2899-2907。
[28]夏Z，潘X，宋S，等.可变形注意力视觉变换器[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:4794-4803。
[29]WEN L，DU D，CAI Z，等.UA-DETRAC：一种新的多目标检测和跟踪基准和协议[J]。计算机视觉和图像理解，2020年，193:102907。
[30]杜德，齐毅，于赫，等.无人机基准：目标检测与跟踪[C]//欧洲计算机视觉会议论文集，2018:370-386。
[31]米兰A，LEAL-TAIXéL，REID I，等.MOT16:多目标跟踪基准[J]。arXiv:1603.008312016年。
[32]LUITEN J，OSEP A，DENDORFER P等人。Hota：用于评估多目标跟踪的高阶度量[J]。《国际计算机视觉杂志》，2021，129:548-578。
[33] 鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏鹏[J] ●●●●。，2019, 55(16): 25-35.
BI P C，LUO J X，CHEN W W.轻量级卷积神经网络技术研究[J]。计算机工程与应用，2019，55（16）：25-35。
[34] 叶子勋, 张红英. YOLOv4公司口罩检测算法的轻量化改进[J] ●●●●。，2021, 57(17): 157-168.
YE Z X，ZHANG H Y.YOLOv4掩模检测算法的轻量化改进[J]。计算机工程与应用，2021，57（17）：157-168。

FA-SORT公司：轻量化的多车辆跟踪算法

FA-SORT：轻型多车辆跟踪算法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	车运龙, 袁亮, 孙丽慧.基于强语义关键点采样的三维目标检测方法[J] ●●●●。，2024年，60（9）：254-260。
[2]	李钟华, 林初俊, 朱恒亮, 廖诗宇, 白云起.信息技术[J] ●●●●。，2024, 60(9): 292-298.
[3]	蔡腾, 陈慈发, 董方敏.结合变压器和动态特征融合的低照度目标检测[J] ●●●●。，2024, 60(9): 135-141.
[4]	潘玮, 韦超, 钱春雨, 杨哲.面向无人机视角下小目标检测的YOLOv8系列改进模型[J] ●●●●。，2024, 60(9): 142-150.
[5]	周定威, 扈静, 张良锐, 段飞亚.面向目标检测的数据集标签遗漏的协同修正技术[J] ●●●●。，2024, 60(8): 267-273.
[6]	许逵, 李鑫卓, 张历, 张俊杰, 杨宁.自然场景下配电线网施工安全帽佩戴检测算法[J] ●●●●。，2024, 60(8): 320-328.
[7]	你好，你好。基于深度学习的图像中无人机与飞鸟检测研究综述[J] ●●●●。，2024, 60(8): 46-55.
[8]	邹振涛, 李泽平.改进YOLOv7公司的航拍图像目标检测[J] ●●●●。，2024, 60(8): 173-181.
[9]	胡峻峰, 李柏聪, 朱昊, 黄晓文.改进YOLOv8公司的轻量化无人机目标检测算法[J] ●●●●。，2024, 60(8): 182-191.
[10]	是的，是的。改进YOLOv8公司的道路交通标志目标检测算法[J] ●●●●。，2024, 60(8): 202-212.
[11]	胡伟超, 郭宇阳, 张奇, 陈艳艳.基于改进蛋黄的轻量化交通监控目标检测算法[J] ●●●●。，2024, 60(7): 167-174.
[12]	赵鑫, 陈里里, 杨维川, 张程旺.DY-YOLOv5：基于多重注意力机制的航拍图像目标检测[J] ●●●●。，2024, 60(7): 183-191.
[13]	何文昊, 葛海波, 程梦洋, 安玉, 马赛.边缘注意力及反向定位的伪装目标检测算法[J] ●●●●。，2024, 60(7): 229-237.
[14]	苏佳, 秦一畅, 贾泽, 王静.基于ATO-YOLO公司的小目标检测算法[J] ●●●●。，2024, 60(6): 68-77.
[15]	赖镜安, 陈紫强, 孙宗威, 裴庆祺.基于YOLOv5公司的轻量级雾天目标检测方法[J] ●●●●。，2024, 60(6): 78-88.