汽车紧固卡扣视觉多目标跟踪研究

汽车配件生产需要工人一个个目测汽车紧固卡扣是否缺装,但这种人工目测识别效率非常低。针对这个问题,文章在YOLOv3-tiny网络中融合了空间和通道注意力机制,并用K-Means聚类找出最佳的Anchor Box。与YOLOv3相比,该算法检测准确率有显著提升,速度提高了3倍。最后用Lucas-Kanade光流法和延迟精准机制,实现了对汽车紧固卡扣的跟踪和识别。在几个视频序列实验中,文中算法的MOTA(Multiple-Object Tracking Accuracy)较其他算法提高了约(3.7~7.5)%。在200次实验中,汽车塑料组合件和紧固卡扣识别正确率达到了100%。