摘要：[目的]断奶仔猪是生猪养殖业中的重点关注对象,群养环境下的仔猪精准跟踪是分析仔猪个体行为、监测仔猪个体健康的基础。本文提出1种基于深度学习的断奶仔猪目标跟踪方法。[方法]利用基于中心点的CenterNet检测算法设计断奶仔猪目标检测模型,对deepsort算法的检测部分进行优化;训练优化跟踪过程中提取仔猪目标外观特征的模型,结合卡尔曼滤波和匈牙利匹配算法,改进重识别环节,实现具有深度关联度量的断奶仔猪目标实时检测与跟踪。[结果]算法测试结果表明,断奶仔猪目标检测模型的平均精度均值和召回率分别为99.0%和78.6%,多目标跟踪精度MOTA和MOTP指标分别为96.8%和81.8%。[结论]本文所提方法改善了因断奶仔猪外表高度相似性以及黏连遮挡情况导致跟踪困难的问题,可在群养环境中精准跟踪断奶仔猪个体,算法为后续仔猪个体行为分析研究提供技术支撑。

摘要：社区安全对居民的日常生活至关重要,为提高居民日常生活的安全性,设计研发了面向社区智能安防的视频监测异常行为与目标跟踪系统。该系统基于无监督学习,充分利用丰富的日常生活活动(ADL)数据优势,使用生成对抗网络(GAN)进行异常监测,用对抗性训练建模正常行为,通过测量生成误差监测异常。

摘要：针对发电厂存在大型设备遮挡、跟踪算法易出现目标ID切换引起跟踪失败的问题,提出基于deepsort的改进算法.该算法采用YOLO v5s+deepsort实现目标跟踪,针对目标遮挡问题加入边缘撞线机制,设计遮挡补偿函数,缓解目标因遮挡转为删除态的问题.对目标特征保存提出基于置信度权重和关键帧的保存方法,优化特征库质量,提高算法的重识别能力.试验结果表明,改进后的跟踪算法IDS平均下降40.4%、IDF1平均提高16.1%、MOTA平均提高11.6%,MOTP平均提高2.1%,遮挡发生时ID切换次数明显减少,提高了跟踪系统的抗遮挡能力.

摘要：针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题,提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先,基于YOLOv4-tiny目标检测算法设计检测器,增加算法的检测层以提高小目标检测精度;随后在筛选出的数据集上进行模型训练和试验,试验结果表明,改进后检测器的检测精度AP提高了5.4%,运行速率FPS达到114.3 f/s。其次,在获取检测框后,以检测结果为输入,使用无迹卡尔曼滤波器预测目标轨迹,解决卡尔曼滤波在目标非线性状态下鲁棒性差的问题。然后,将预测得到的新轨迹通过匈牙利算法和当前检测视频帧数进行匹配,并使用IOU匹配算法对匹配不成功的轨迹和检测结果进行关联匹配。最后,进行无迹卡尔曼滤波更新。无人车校园跟踪试验表明,与原deepsort算法相比,改进跟踪算法的多目标跟踪准确度MOTA提升数值为4.1%,多目标跟踪精度MOTP提升数值为3.4%,FPS提升了33.8 f/s,有效提高了无人车的安全性。

摘要：研究嵌入式树莓派处理器结合人工智能技术的视觉模型识别计数报警系统,实现对特定物体的检测。通过对行人特征模型的提取,在本地端对行人目标信息进行训练,生成特定训练模型,在YOLOv5环境下实现对行人实时检测,通过deepsort算法统计出行人数量。通过对人流量监控数值的动态调整,在行人数量超过预期数值时机器视觉系统自动报警,在公共道路场合人员限流方面有一定的应用价值。

摘要：随着无人机技术的逐渐成熟,无人机也越来越贴合人们的生活。四轴无人飞行器因为小巧灵活深受人们的喜爱,但现实生活中无人机的操控往往需要花费大量的学习时间成本,同时四轴无人机在动态场景中检测和跟踪非常困难。基于此,设计一套基于deepsort目标跟踪算法和YOLO-V3目标检测算法的无人机目标追踪系统,实现目标追踪、轨迹推演、手势控制功能,让人们可通过手势来操控无人机,实现目标追踪等复杂繁琐的任务。