文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于改进YOLOv8+DeepSORT的多目标车辆跟踪算法研究

徐英卓,张渊博,刘晓天

( 西安石油大学 计算机学院,陕西 西安 710065)

栏目:人工智能 · 第 2025 年第 7 期 · 页码:52-57 · 2096-4706(2025)07-0052-06 · 中图分类号:TP391.4;TP301.6 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.07.010 · 出版日期:2025-04-10

摘要

针对实际交通场景下车辆跟踪算法复杂度高、计算量大,难以在资源有限的设备中应用的问题,提出一种基于改进YOLOv8+DeepSORT的多目标车辆跟踪算法。在骨干网络中引入轻量化的GhostNet卷积神经网络,将Conv替换为GhostConv,在保证模型轻量化的同时实现性能的提升。其次通过引入CBAM注意力机制并结合Ghost卷积技术,构建一种新的GC-C2f特征融合模块,进一步增强特征提取的能力。最后使用新的损失函数WIoU,提高模型回归精度和收敛速度。使用改进YOLOv8模型的检测结果作为DeepSORT算法的输入,实现对复杂情况下的多目标车辆跟踪。实验结果表明,在交通数据集KITTI上,GCW-YOLO+DeepSORT在检测精度没有损失的情况下,相较于原YOLOv8+DeepSORT参数量降低35.94%,计算量降低20.25%,更适合在资源有限的设备上部署,具有实用价值。

关键词

车辆目标跟踪;YOLOv8;DeepSORT;Ghost卷积;轻量型;CBAM;损失函数

参考文献

  1. [1] GIRSHICK R,DONAHUE J,DARRELL T,et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation [C]//2014 IEEE Conference on Computer Vision and Pattern Recognition.Columbus:IEEE,2014:580-587.
  2. [2] 蔡秀梅,王妍,卞静伟,等.多目标跟踪数据关联算法综述 [J].西安邮电大学学报,2021,26(2):77-86.
  3. [3] REN S,HE K,GIRSHICK R,et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(6):1137-1149.
  4. [4] BOCHKOVSKIY A,WANG C-Y,LIAO H-Y M. YOLOv4: Optimal Speed and Accuracy of Object Detection [J/OL].arXiv:2004.10934 [cs.CV].[2024-12-03].https://arxiv.org/abs/2004.10934.
  5. [5] 蒲玲玲,杨柳.改进YOLOv5的多车辆目标实时检测及跟踪算法 [J].科学技术与工程,2023,23(28):12159-12167.
  6. [6] 李猛坤,袁晨,王琪,等.基于改进YOLOv8算法的在线听课行为识别模型研究 [J].计算机工程,2025,51(1):287-294.
  7. [7] 张利丰,田莹.改进YOLOv8的多尺度轻量型车辆目标检测算法 [J].计算机工程与应用,2024,60(3):129-137.
  8. [8] HAN K,WANG Y,TIAN Q,et al. GhostNet: More Features from Cheap Operations [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.Seattle:IEEE,2020:1580-1589.
  9. [9] WOO S,PARK J,LEE J Y,et al. CBAM: Convolutional Block Attention Module [C]//Proceedings of the European Conference on Computer Vision (ECCV).Munich:Springer,2018:3-19.
  10. [10] TONG Z,CHEN Y,XU Z,et al. Wise-IoU: Bounding Box Regression Loss with Dynamic Focusing Mechanism [J/OL].arXiv:2301.10051 [cs.CV].[2024-12-05].https://arxiv.org/abs/2301.10051.
  11. [11] REDMON J,FARHADI A. YOLOv3: An Incremental Improvement [J/OL].arXiv:1804.02767 [cs.CV].[2024-12-03].https://arxiv.org/pdf/1804.02767.
  12. [12] ZHANG Y,WANG C,WANG X,et al. FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking [J].International Journal of Computer Vision,2021,129:3069-3087.
  13. [13] GEIGER A,LENZ P,STILLER C,et al. Vision Meets Robotics: The KITTI Dataset [J].The International Journal of Robotics Research,2013,32(11):1231-1237.

作者简介

徐英卓(1964—),女,汉族,陕西西安人,二级教授,研究生导师,硕士,研究方向:深度学习与人工智能、程序设计;通信作者:张渊博(1998—),男,汉族,河南洛阳人,硕士研究生在读,研究方向:计算机视觉、深度学习;刘晓天(1999—),男,汉族,山东济南人,硕士研究生在读,研究方向:计算机视觉、深度学习。