基于VGG-M网络模型的前方车辆跟踪

• 作者: 刘国辉 吴训成 宋晓琳 张伟伟 温培刚 许莎
• 来源期刊: 汽车工程
• 关键词: 深度学习 前车跟踪 在线观测模型 网络自适应更新模型
• 年，卷（期）: 2019,（1）
• 页码范围: 57-63
• 页数: 7页
• 字数: 4691字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2019.01.009

摘要

针对前方运动车辆复杂场景下的跟踪精度较低的问题,文中将庞大的VGG-M网络模型应用到实时跟踪中,并结合在线观测模型,实现对前方车辆稳定精准的跟踪.通过改进样本生成方案,优化网络训练集,提高了网络训练效率.采用自适应更新模型,可根据目标轮廓的高宽比、内部信息熵和跟踪的尺度置信度实时调节网络更新频率.实验结果表明,在线VGG-M跟踪模型比传统的车辆跟踪方法的性能有明显的改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋晓琳	湖南大学汽车车身先进设计制造国家重点实验室	67	811	16.0	25.0
2	吴训成	上海工程技术大学机械与汽车工程学院	54	258	9.0	13.0
3	许莎	上海工程技术大学机械与汽车工程学院	14	12	2.0	3.0
4	张伟伟	上海工程技术大学机械与汽车工程学院	7	10	2.0	3.0
5	刘国辉	上海工程技术大学机械与汽车工程学院	1	3	1.0	1.0
6	温培刚	上海工程技术大学机械与汽车工程学院	1	3	1.0	1.0