龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：桂林理工大学
申请日：2024-03-14
公开（公告）日：2024-06-14
公开（公告）号：CN118196703A
主分类号：G06V20/52
分类号：G06V20/52;G06V10/82;G06N3/0464;G06V10/774
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明的目的是针对目前人像跟踪算法跟踪准确度、跟踪精确度低、身份切换次数多的问题，在原有的YOLOv5网络结构基础上做出改进，提出一种基于改进StrongSort‑YOLOv5的人像跟踪方法。首先在YOLOv5主干网络与颈部网络之间和颈部网络中添加了CBAM注意力模块；其次是输出端损失函数的改进，引入了考虑真实框与预测框之间矢量角的SIoU使模型能够在训练过程中更轻松、更快速地接近真实帧，从而提高模型在目标定位上的精度。这一优化措施在人像数据集的实验结果上也得到了充分验证，改进算法相较于先前的版本实现了最优的整体效果，跟踪准确度从改进前的54.50%上升至57.43%，提升了2.97%；跟踪精确度从改进前的81.15%上升至82.52%，同时有效减少了因目标遮挡导致的身份切换次数。
主权项：1.一种基于改进StrongSort-YOLOv5的人像跟踪方法，其特征在于，包括如下步骤：步骤S1：采集人像，构建人像数据集；步骤S2：将人像数据集集中预处理，划分数据集；步骤S3：采集原始StrongSort-YOLOv5人像数据集的预训练模型数据；步骤S4：对原始StrongSort-YOLOv5人像跟踪模型进行改进，得到改进的StrongSort-YOLOv5-improve模型；步骤S5：将人像数据集输入到改进的StrongSort-YOLOv5-improve模型训练，实现跟踪；步骤S6：对改进StrongSort-YOLOv5-improve模型进行广泛对比实验；步骤S7：对改进StrongSort-YOLOv5-improve模型性能的最终评估。
全文数据：
权利要求：
百度查询： 桂林理工大学 一种基于改进StrongSort-YOLOv5的人像跟踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号