改进YOLOv5+DeepSort的行人跟踪算法

作者：韩晓冰; 王雨田^*; 黄综浏; 张玮良

来源：现代电子技术, 2023, 46(07): 33-38.

DOI：10.16652/j.issn.1004-373x.2023.07.008

• 行人跟踪
• YOLOv5
• DeepSort
• 特征提取
• 注意力机制
• 拓展卡尔曼滤波

针对复杂环境道路行人跟踪易发生身份丢失、切换的问题，提出一种改进的YOLOv5检测并结合DeepSort跟踪算法。检测阶段，融合注意力模块CBAM与YOLOv5颈部网络增强对行人特征的提取；用SIoU边界框损失函数代替CIoU边界框损失函数，加速边界框回归的同时提高准确定位度。跟踪阶段，改进DeepSort利用拓展卡尔曼滤波器对非线性环境行人位置进行预测，通过匈牙利算法匹配预测和检测轨迹，优化复杂环境下行人身份切换频繁的问题。最后连接改进后的YOLOv5与DeepSort算法，对MOT-16数据集进行检测跟踪。实验结果表明：改进YOLOv5算法较原算法平均精准度提高4%，结合DeepSort跟踪，平均跟踪精确度为63.5%，比原始算法提升了3.4%；行人身份切换次数减少52次，比原始算法减少了6.5%。

• 出版日期2023
• 单位通信与信息工程学院; 西安科技大学