来源：期刊VIP网 时间：
作者：张圳;姜平;秦岭;茅靖峰;
单位：南通大学电气工程学院;
摘要：汽车配件生产需要工人一个个目测汽车紧固卡扣是否缺装，但这种人工目测识别效率非常低。针对这个问题，文章在YOLOv3-tiny网络中融合了空间和通道注意力机制，并用K-Means聚类找出最佳的Anchor Box。与YOLOv3相比，该算法检测准确率有显著提升，速度提高了3倍。最后用Lucas-Kanade光流法和延迟精准机制，实现了对汽车紧固卡扣的跟踪和识别。在几个视频序列实验中，文中算法的MOTA(Multiple-Object Tracking Accuracy)较其他算法提高了约（3.7～7.5）%。在200次实验中，汽车塑料组合件和紧固卡扣识别正确率达到了100%。
关键词：多目标跟踪;;YOLOv3;;注意力机制;;K-Means;;延迟精准机制
基金资助：国家自然科学青年基金（51207075）;; 江苏省高等学校自然科学研究项目资助（20KJA470002）
