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:
为了解决传统算法在全自动跟踪过程中遇到遮挡或运动速度过快时的目标丢失问题,本文提出一种基于YOLOv3和ASMS的目标跟踪算法.首先通过YOLOv3算法进行目标检测并确定跟踪的初始目标区域,然后基于ASMS算法进行跟踪,实时检测并判断目标跟踪效果,通过二次拟合定位和YOLOv3算法实现跟踪目标丢失后的重新定位.为了进一步提升算法运行效率,本文应用增量剪枝方法,对算法模型进行了压缩.通过与当前主流算法进行对比,实验结果表明,本算法能够很好地解决受到遮挡时跟踪目标的丢失问题,提高了目标检测和跟踪的精度,且具有计算复杂度低、耗时少,实时性高的优点.
推荐文章
基于YOLOv3的车辆多目标检测
车辆
多目标检测
Darknet-53网络
YOLOv3
自适应边缘优化的改进YOLOV3目标识别算法
目标检测
零件识别
卷积神经网络
YOLOV3
PSO
基于暗通道和改进YOLOv3的雾天车辆检测算法
雾天车辆检测
暗通道去雾算法
YOLOv3
K-means
先验框
注意力机制
基于USRP与YOLOv3算法的信号采集与识别设计
射频信号
频谱图数据
数据集训练
信号采集
频谱图识别
模数转换
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 基于YOLOv3和ASMS的目标跟踪算法
来源期刊 光电工程 学科
关键词 目标跟踪 目标丢失 YOLOv3 模型剪枝 ASMS
年,卷(期) 2021,(2) 所属期刊栏目 科研论文|Article
研究方向 页码范围 67-77
页数 11页 分类号 TP181|TP391
字数 语种 中文
DOI 10.12086/oee.2021.200175
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (122)
共引文献  (46)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(14)
  • 参考文献(0)
  • 二级参考文献(14)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(13)
  • 参考文献(1)
  • 二级参考文献(12)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(13)
  • 参考文献(1)
  • 二级参考文献(12)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(7)
  • 参考文献(2)
  • 二级参考文献(5)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 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
目标跟踪
目标丢失
YOLOv3
模型剪枝
ASMS
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
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导