来源：期刊VIP网 时间：
作者：李志安;林道程;姜晓凤;夏英杰;李金屏;
单位：济南大学信息科学与工程学院;济南大学山东省网络环境智能计算技术重点实验室;济南大学信息处理与认知计算山东省高校重点实验室;
摘要：针对因受水面波纹、反光及目标外观特征相似而导致的游泳池中目标检测跟踪困难的问题，提出一种基于改进YOLOv5算法和DeepSort算法的多目标检测和跟踪方法；通过引入注意力机制改进YOLOv5算法，增强算法对目标特征的提取能力；将检测结果输入到DeepSort算法中，在级联匹配中引入K邻域限制筛选目标检测框，减少因目标外观特征不明显引起的身份切换问题；利用匈牙利算法对检测框和预测框进行匹配，对未匹配成功的检测框采用距离交并比代替交并比进行二次匹配，提高DeepSort算法的跟踪性能；通过对比实验和消融实验验证所提出的多目标检测跟踪算法的性能。结果表明：改进的YOLOv5算法平均精准度提高2%,结合DeepSort算法跟踪检测，身份切换平均减少58次，多目标跟踪精确率为80.26%,比原始YOLOv5算法和Deepsort算法跟踪准确率提升了3.85%。
关键词：目标检测;;目标跟踪;;YOLOv5算法;;DeepSort算法;;注意力机制;;K邻域限制
基金资助：山东省重点研发计划项目(2017CXGC0810);; 山东省教育科学“十三五”规划教育招生考试专项课题项目(BYZK201917)
