| 基于增强Tiny YOLOV3算法的车辆实时检测与跟踪 |
| |
| 引用本文： | 刘军,后士浩,张凯,张睿,胡超超.基于增强Tiny YOLOV3算法的车辆实时检测与跟踪[J].农业工程学报,2019,35(8):118-125. |
| |
| 作者姓名： | 刘军 后士浩 张凯 张睿 胡超超 |
| |
| 作者单位： | 江苏大学汽车与交通工程学院，镇江 212013,江苏大学汽车与交通工程学院，镇江 212013,江苏大学汽车与交通工程学院，镇江 212013,江苏大学汽车与交通工程学院，镇江 212013,江苏大学汽车与交通工程学院，镇江 212013 |
| |
| 基金项目： | 国家自然科学基金项目（51275212） |
| |
| 摘 要： | 针对深度学习方法在视觉车辆检测过程中对小目标车辆漏检率高和难以实现嵌入式实时检测的问题,该文基于Tiny YOLOV3算法提出了增强Tiny YOLOV3模型,并通过匈牙利匹配和卡尔曼滤波算法实现目标车辆的跟踪。在车载Jetson TX2嵌入式平台上,分别在白天和夜间驾驶环境下进行了对比试验。试验结果表明:与Tiny YOLOV3模型相比,增强Tiny YOLOV3模型的车辆检测平均准确率提高4.6%,平均误检率减少0.5%,平均漏检率降低7.4%,算法平均耗时增加43.8 ms/帧;加入跟踪算法后,本文算法模型的车辆检测平均准确率提高10.6%,平均误检率减少1.2%,平均漏检率降低23.6%,平均运算速度提高5倍左右,可达30帧/s。结果表明,所提出的算法能够实时准确检测出目标车辆,为卷积神经网络模型的嵌入式工程应用提供了参考。
|
| 关 键 词： | 车辆 机器视觉 模型 车辆检测 车辆跟踪 Tiny YOLOV3算法 卡尔曼滤波 |
| 收稿时间： | 2018/11/22 0:00:00 |
| 修稿时间： | 2019/1/20 0:00:00 |
Real-time vehicle detection and tracking based on enhanced Tiny YOLOV3 algorithm |
| |
| Liu Jun,Hou Shihao,Zhang Kai,Zhang Rui and Hu Chaochao.Real-time vehicle detection and tracking based on enhanced Tiny YOLOV3 algorithm[J].Transactions of the Chinese Society of Agricultural Engineering,2019,35(8):118-125. |
| |
| Authors: | Liu Jun Hou Shihao Zhang Kai Zhang Rui and Hu Chaochao |
| |
| Institution: | School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China,School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China,School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China,School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China and School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China |
| |
| Abstract: | |
| |
| Keywords: | vehicles computer vision models vehicle detection vehicle tracking Tiny YOLOV3 algorithm kalman filtering |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
