基于DeepSORT算法的前方道路车辆跟踪研究

针对部分遮挡、目标漏检等导致的车辆ID频繁切换以及跟踪精度低的问题,本文提出了一种优化DeepSORT跟踪器的方法。一方面设计了S2Net36重识别网络:首先加深重识别网络构建ResNet36网络,提取更深层次的车辆外观特征;其次构建SER模块提取目标关键特征以及构建SE-Res2Net模块提取目标区域特征;最后基于ResNet36网络分别融合SER模块与SE-Res2Net模块得到S2Net36重识别网络。另一方面,引入三元组损失函数拉近相同目标不同样本之间的特征距离,通过提取更具有辨别力的车辆外观特征用于数据关联,进而提升对前方道路车辆的跟踪能力。实验结果表明,相比于DeepSORT原始算法,改进的算法的MOTA提高了1.18%,IDF1提升了0.80%,提高了对前方道路车辆的跟踪精度与稳定性,有望为自动驾驶车辆提供技术支持。

道路交通视频的车辆跟踪算法

针对现有车辆跟踪算法准确率不太高的问题,结合具体的道路交通视频的特点,提出了一种车辆跟踪算法.该算法通过道路车辆行驶运动规律,在设计的预测区域内进行搜索,并根据车辆形心、颜色等特征进行匹配和跟踪.实验结果表明,该算法在满足实时性的要求下,具有较好的稳定性和较高的准确率.