作者:徐乐; 蔡永华; 庞智恒; 王宇宁车辆跟踪yolov2掩膜处理离线训练
摘要:针对目前多数在线训练跟踪算法实时性差和准确率低的问题,提出了一种基于YOLOv2的离线训练目标车辆跟踪算法。首先,该算法采用了YOLOv2的深层次网络结构和划分网格产生区域建议框的方法,不仅加强了特征提取能力,而且改善了候选搜索区域的生成质量;其次,标记跟踪车辆时采用掩膜处理的方法,以保留目标车辆的位置信息;最后,为了实现鲁棒及长时车辆跟踪,提出加强目标特征信息的方法以解决车辆误跟踪问题,并采用动态保存的方法重新找回跟丢的目标车辆。为了验证算法的有效性,制作330组交通场景车辆跟踪数据集用于网络训练和测试,试验结果表明,该算法准确率达86%以上,且实时性优于大多数在线训练算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社