基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有车辆跟踪算法不能很好地平衡效率与精度,存在较多ID切换、误检的问题,提出一种Anchor-Free的联合模型车辆多目标跟踪算法,通过把Anchor-Free可变卷积深度特征融合网络引入联合模型,在联合学习车辆目标检测和重识别特征嵌入的基础上,以轨迹关联的方式,完成车辆多目标跟踪任务.所提出的算法在UA-DETRAC车辆数据集及KITTI-tracking数据集组合成的联合数据集上进行训练和测试,结果表明,提出的车辆多目标跟踪算法有效减少了ID切换、误检问题的出现,网络结构更简单,算法运行效率更高.
推荐文章
一种实时多目标跟踪的新算法
目标跟踪
多目标
运动估计
一种改进的IMM-JPDA多目标跟踪算法
子事件IMM-JPDA算法
单点初始化
方向跟踪门
双门限跟踪
一种基于云模型的多目标进化算法
多目标优化
多目标进化算法
云模型
Pareto最优解
一种基于弹道模型的机动目标跟踪算法
弹道模型
跃升俯冲
目标跟踪
扩展卡尔曼滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种Anchor-Free的联合模型车辆多目标跟踪算法
来源期刊 辽宁大学学报(自然科学版) 学科
关键词 Anchor-Free 联合模型 车辆跟踪
年,卷(期) 2021,(3) 所属期刊栏目 信息科学与技术
研究方向 页码范围 193-203
页数 11页 分类号 TP391
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Anchor-Free
联合模型
车辆跟踪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
辽宁大学学报(自然科学版)
季刊
1000-5846
21-1143/N
大16开
沈阳市皇姑区崇山中路66号
8-147
1974
chi
出版文献量(篇)
1909
总下载数(次)
2
论文1v1指导