Indexed by：
Abstract：
为了提高汽车对外界环境信息的感知能力和对动态车辆目标行为的预测能力,采用YOLOX作为前端检测器,结合优化的DeepSort跟踪算法开展动态车辆多目标跟踪方法研究.在车辆特征匹配过程中,提取Haar-like特征对车辆的明暗变化信息进行匹配,提高物体匹配精度;基于DeepSort重识别网络,采用改进的ResNet13作为特征提取的骨干网络,加入SENet调整不同通道维度的特征权重.使用实际道路驾驶采集的视频数据对改进算法与传统算法进行对比,结果表明:相较于传统DeepSort算法,改进算法的多目标跟踪精度(MOTA)提高了1.4百分点,平均数比率(IDF1)提升了7.7百分点.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
汽车技术
ISSN： 1000-3703
Year： 2023
Issue： 11
Page： 27-33
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
