基于改进YOLO v8的行李追踪技术

doi:10.3778/j.issn.1002-8331.2310-0238

摘要/摘要

摘要：在机场行李分拣场景下，传统多目标追踪算法存在目标身份证件切换率高和目标轨迹误报率高的问题。提出一种基于改进YOLO v8和字节跟踪算法的行李追踪技术。增加了哥伦比亚广播公司（CBAM）、美国广播公司（ADH）解耦头以及改变训练时的损失函数，增加了检测精度，加强了目标特征的判别性，降低目标的ID字节数据关联中进行了GSI公司插值后处理，不仅利用了高分框和低分框，也使得长时间遮挡后的追踪效果得到保证，降低了因遮挡产生的身份证件错误切换。在机场行李分拣数据集上，电机和IDF1分别为89.9%和90.3%有了较为明显的提升，能稳定地实现对行李箱身份证

关键词: 机场行李分拣, 多目标跟踪, 基于检测的跟踪, YOLO v8，字节跟踪

摘要：在机场行李分拣场景中，传统的多目标跟踪算法存在目标ID切换率高、目标轨迹虚警率高等问题。本文提出了一种基于改进的YOLO v8和ByteTrack算法的行李跟踪技术。增加了CBATM模块，更换了ADH解耦头，改变了训练过程中的损失函数，提高了检测精度，加强了对目标特征的识别，降低了目标的ID切换率。字节数据关联中的GSI插值处理，不仅使用高盒和低盒，而且确保了长时间遮挡后的跟踪效果，减少了遮挡引起的ID错误切换。在机场行李分拣数据集中，MOTA和IDF 1分别达到89.9%和90.3%，显示出显著的改进，能够稳定地实现行李ID的跟踪。

关键词： 机场行李分拣，多目标跟踪，基于检测的跟踪， YOLO v8，字节跟踪

曹超, 顾幸生. 基于改进YOLO第8版的行李追踪技术[J] ●●●●。计算机工程与应用, 2024, 60(9): 151-158.

曹超、顾兴生。基于改进YOLO v8的行李跟踪技术[J]。计算机工程与应用，2024,60（9）：151-158。

参考文献

[1] 骆萱, 贾小林, 顾娅军. 基于沃尔什RFID并行识别碰撞树算法[J] ●●●●。计算机应用研究, 2023, 40(12): 3651-3654.
LUO X，JIA X L，GU Y J.基于Walsh码的RFID并行识别碰撞树算法[J]。计算机应用研究，2023，40（12）：3651-3654。
[2] SADEGHIAN A，ALAHI A，SAVARESE S。追踪不可追踪的线索：学习追踪具有长期依赖性的多重线索[C]//IEEE计算机视觉国际会议论文集，2017:300-311。
[3] 孙鹏，曹军，姜毅，等.变换器跟踪：多目标跟踪[J]。arXiv:2012.154602020年。
[4] KR，KOLTUN V，ZHOU X？周X？HENBüHL P.跟踪物体作为点[C]//欧洲计算机视觉会议，2020:474-490。
[5] 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：瑞士施普林格自然出版社，2022:1-21。
[6] 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。
[7] KALAKE L，WANW G，HOU L.基于最新深度学习方法的实时多目标跟踪分析：综述[J]。IEEE接入，2021，9:32650-32671。
[8] 罗文浩，邢建林，米兰A，等。多目标跟踪：文献综述[J]。人工智能，2021，293:103448。
[9] RAKAI L，SONG H S，SUN S J，等.多目标跟踪中的数据关联：最新技术综述[J]。应用专家系统，2022，192:116300。
[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，2020：107-122。
[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（11）：3069-3087。
[12] GE Z，LIU S，WANG F，等.约洛克斯：2021年超越约洛系列[J]。arXiv:2107.084302021。
[13] 米兰A，LEAL-TAIXéL，REID I，等.MOT16:多目标跟踪基准[J]。arXiv:1603.008312016年。
[14] DENDORFER P，REZATOFIGHI H，米兰A，等.Mot20：拥挤场景中多目标跟踪的基准[J]。arXiv:2003.090032020年。
[15] FENG C J，ZHONG Y J，GAO Y，et al.TOOD:任务对齐一阶段目标检测[C]//2021 IEEE/CVF国际计算机视觉会议（ICCV），加拿大魁北克省蒙特利尔，2022:3490-3499。
[16] 李霞，王伟，吴磊，等。广义焦损：用于密集目标检测的学习限定和分布式边界盒[J]。arXiv:2006.043882020年。
[17] WOO S，PARK J，LEE J Y，等.Cbam:卷积块注意模块[C]//欧洲计算机视觉会议论文集，2018:3-19。
[18] REZATOFIGHI H，TSOI N，GWAK J Y等。并集上的广义交集：边界框回归的度量和损失[C]//IEEE/CFF计算机视觉和模式识别会议论文集，2019:658-666。
[19] 郑智，王平，刘伟，等.距离-IoU损失：边界盒回归的更快更好学习[C]//AAAI人工智能会议论文集，2020：12993-13000。
[20] 郑Z，王平，任德，等.增强模型学习和推理中的几何因素，用于对象检测和实例分割[J]。IEEE控制论汇刊，2021，52（8）：8574-8586。
[21]ZHANG Y F，REN W，ZHANG Z，et al.精确边界盒回归的焦点有效IOU损失[J]。神经计算，2022，506：146-157。
[22]PANG J，QIU L，LI X，et al.多目标跟踪的准感知相似学习[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2021:164-173。
[23]孔磊，闫姿，张毅，等.CFTracker：卫星视频中跨帧连接的多目标跟踪[J]。IEEE地球科学与遥感汇刊，2023年，61。
[24]王毅，KITANI K，WENG X.图形神经网络联合目标检测和多目标跟踪[C]//2021 IEEE机器人与自动化国际会议，2021:13708-13715。
[25]TSAI C Y，SHEN G Y，NISAR H.Swin-JDE:基于Swin-transformer的拥挤场景中联合检测和嵌入多目标跟踪[J]。人工智能的工程应用，2023，119:105770。
[26]韩J，李伟，潘凤，等.空间注意定位软件多目标跟踪[C]//2022第41届中国控制会议，2022:6341-6346。
[27]徐毅，BAN Y，DELORME G，等.TransCenter：多目标跟踪的密集表示变压器[J]。IEEE模式分析和机器智能汇刊，2022，45（6）：7820-7835。

基于改进YOLO第8版的行李追踪技术

基于改进YOLO v8的行李跟踪技术

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]	谌海云, 黄忠义, 王海川, 余鸿皓.基于改进跟踪器的行人多目标跟踪算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 242-249.
[2]	梁孝国, 李辉, 程远志, 陈双敏, 刘恒源.时空嵌入感知与多任务协同优化的多目标跟踪[J] ●●●●。计算机工程与应用, 2024, 60(6): 282-292.
[3]	贺愉婷, 车进, 吴金蔓, 马鹏森.OMC公司框架下的行人多目标跟踪算法研究[J] ●●●●。计算机工程与应用, 2024, 60(5): 172-182.
[4]	张英俊, 白小辉, 谢斌红.CNN变压器特征融合多目标跟踪算法[J] ●●●●。计算机工程与应用, 2024, 60(2): 180-190.
[5]	陈健超, 奚峥皓, 刘翔.基于相机运动估计的改进生态多目标跟踪器设计[J] ●●●●。计算机工程与应用, 2024, 60(10): 285-291.
[6]	杨洋, 宋品德, 钟春来, 曹立佳.无人机视角下基于深度学习的多目标跟踪研究进展[J] ●●●●。计算机工程与应用, 2023, 59(23): 48-62.
[7]	周辉, 王维莉.基于无人机视频的非机动车道交通冲突分析[J] ●●●●。计算机工程与应用, 2023, 59(16): 324-329.
[8]	闫晨阳, 刘宏哲, 徐成, 李学伟.面向智能驾驶的行人多目标跟踪算法研究[J] ●●●●。计算机工程与应用, 2023, 59(15): 206-213.
[9]	刘艺博, 奚峥皓.基于关键点检测和关联的多目标跟踪[J] ●●●●。计算机工程与应用, 2023, 59(13): 156-163.
[10]	晏康, 曾凤彩, 何宁, 贺宇哲, 张人.引入注意力机制的JDE公司多目标跟踪方法[J] ●●●●。计算机工程与应用, 2022, 58(21): 189-196.
[11]	王黎明, 孙俊, 陈祺东.加强重识别的行人多目标跟踪算法[J] ●●●●。计算机工程与应用, 2022, 58(21): 213-222.
[12]	毕鑫, 谭锦钢, 张广慧.在线多类别逐点式多目标跟踪与分割[J] ●●●●。计算机工程与应用, 2022, 58(19): 193-201.
[13]	牛嘉丰, 石蕴玉, 刘翔, 贺桢, 戴佩哲.面向多目标跟踪系统的专用循环目标检测器[J] ●●●●。计算机工程与应用, 2022, 58(18): 188-194.
[14]	单兆晨, 黄丹丹, 耿振野, 刘智.免锚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.
[15]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖.交通监控场景中的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.