一种小数据集下的高精度车辆检测和跟踪方法

车辆检测和跟踪是计算机视觉领域中的一个重要研究方向,在智能交通、智能监控等领域有着广泛的应用。然而,传统车辆检测和跟踪方法存在检测精度不佳、实时性不佳等问题。为了解决这些问题,提出了一种小数据集下的高精度车辆检测和跟踪方法,综合利用数据增强技术,提高了小数据集下的目标检测精度,并设计了ResVGG网络结构来替代经典的VGG网络。同时,通过提取车辆的外观特征,实现了多帧图像车辆的匹配跟踪。在KITTI数据集实验结果表明,相比于经典的VGG网络结构,设计的ResVGG网络结构在车辆检测模型训练的平均准确率提高了7%。在车辆跟踪方面具有更高的跟踪精度和稳定性,能够实现高帧率的车辆检测和跟踪,具有很好的应用前景。