基于YOLOv3目标跟踪方法

发布时间：2021-04-19 13:19

　　提出了一种基于深度学习检测算法YOLOv3的目标跟踪算法。该算法利用深度学习模型在目标特征提取上的优势,采用基于回归的YOLOv3检测模型提取候选目标,同时结合目标颜色直方特征和局部二值模式直方特征进行目标筛选,实现对目标的跟踪。为了提高算法的性能,还提出了一种K邻域搜索方法,可以针对选定目标进行邻域检测。实验结果表明,提出的目标跟踪算法跟踪效果很好,综合表现比4种对比算法提高了80%左右,同时在目标物体光照变化、姿态变化、尺寸变化、旋转变化等复杂情况下有很好的鲁棒性。 

【文章来源】：电光与控制. 2019,26(10)北大核心CSCD

【文章页数】：7 页

【文章目录】：
0 引言
1 基本概念
    1.1 YOLOv3介绍
    1.2 K邻域搜索
2 目标跟踪模型
    2.1 特征提取
    2.2 目标选择
    2.3 模板更新
    2.4 TOD算法流程
3 实验结果与分析
    3.1 实验定性分析
    3.2 实验定量分析
4 结束语


【参考文献】：
期刊论文
[1]改进YOLO V3遥感图像飞机识别应用[J]. 郑志强,刘妍妍,潘长城,李国宁.  电光与控制. 2019(04)
[2]基于深度学习物体检测的视觉跟踪方法[J]. 唐聪,凌永顺,杨华,杨星,郑超.  红外与激光工程. 2018(05)
[3]基于深度学习的目标抗干扰跟踪算法[J]. 闵召阳,赵文杰.  红外技术. 2018(02)
[4]基于多模板的鲁棒运动目标跟踪方法[J]. 陆惟见,尚振宏,刘辉,李润鑫,钱谦.  传感器与微系统. 2018(02)
[5]自适应紧致特征的超像素目标跟踪[J]. 田健,王开军.  中国图象图形学报. 2017(10)
[6]基于图像显著轮廓的目标检测[J]. 毕威,黄伟国,张永萍,高冠琪,朱忠奎.  电子学报. 2017(08)
[7]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮.  红外与激光工程. 2017(05)
[8]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇.  自动化学报. 2016(06)
[9]基于L1范数和最小软阈值均方的目标跟踪算法[J]. 王海军,葛红娟,张圣燕.  山东大学学报(工学版). 2016(03)
[10]结合HOG-LBP特征及多实例在线学习的随机蕨目标跟踪方法（英文）[J]. 吉培培,陈恳,刘哲,吴盈.  宁波大学学报(理工版). 2015(04)



本文编号：3147628