基于YOLOv8和DeepSort的多区域行人追踪算法研究

针对多摄像头重叠场景中行人追踪容易发生身份丢失、切换的问题,本文提出了一种基于YOLOv8和DeepSort的多摄像头跟踪算法.在检测阶段,利用无参注意力机制增强网络对行人特征的提取能力,提高了检测器的性能.在追踪阶段,通过提取两个摄像头的视角关键点,并计算出两个视角的单应性矩阵,实现了不同视角图像的拼接.通过利用目标间的单应性关系,在DeepSort算法中完成目标匹配.并在MOT15数据集中,对所改进的算法进行了测试.实验结果表明,本文提出的基于YOLOv8和DeepSort的改进算法的平均跟踪精确度为63.5%,比原始算法提升了3.4%.改进算法在行人身份切换次数方面减少了52次,比原始算法减少了6.5%.