申请/专利权人：安徽理工大学

申请日：2023-04-11

公开（公告）日：2023-09-01

公开（公告）号：CN116681724A

主分类号：G06T7/246

分类号：G06T7/246;G06T7/277;G06T7/33;G06T5/40;G06T5/20;G06N3/0464;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.19#实质审查的生效;2023.09.01#公开

摘要：本发明公开了一种基于YOLOv5‑Deepsort算法的矿井人员目标视频跟踪方法及存储介质，其方法包括获取井下人员图片并优化；标记优化后的图片制作井下人员的数据集并划分；对YOLOv5算法进行改进处理，包括更换其骨干网络、在其颈部引入注意力机制模块、对其原预测框的损失函数进行更改；使用改进的YOLOv5模型训练井下人员数据集得到最优权重，并获取训练中的各项数据，测试井下目标检测结果；将目标检测结果输入到Deepsort中，利用卡尔曼滤波完成对井下人员轨迹的预测和状态估计；对井下人员进行运动匹配和外观匹配，后进行级联匹配和IOU匹配，通过卡尔曼滤波参数更新确定跟踪结果，实现井下人员的目标跟踪。本发明实现对矿井人员的准确跟踪、保护矿工生产安全具有重要的作用。

主权项：1.一种基于YOLOv5-Deepsort算法的矿井人员目标视频跟踪方法：包括以下步骤，步骤一：获取井下工作人员的图片，通过使用限制对比度自适应直方图均衡算法和中值滤波算法对图片进行优化处理；步骤二：标记优化后图片制作井下人员的数据集，将数据集划分为训练集和验证集；步骤三：对YOLOv5算法进行改进处理，将其骨干网络更换为PP-LCNet网络结构，在YOLOv5算法颈部引入SelectiveKernelAttention注意力机制模块，对原预测框的损失函数更改为GIOU_Loss；步骤四：使用改进的YOLOv5目标检测模型训练井下人员数据集，在训练完成后得到最优权重，获取训练中目标检测的各项指标数据，测试井下人员的目标检测结果；步骤五：将目标检测结果输入到Deepsort中，利用卡尔曼滤波完成对井下人员轨迹的预测和状态估计；步骤六：对井下人员利用马氏距离计算运动匹配，利用余弦距离计算外观匹配，基于匈牙利算法对井下人员进行级联匹配和IOU匹配，再通过卡尔曼滤波参数更新确定跟踪结果，并对井下人员分配ID编号，实现井下人员的目标跟踪。

全文数据：

权利要求：

百度查询： 安徽理工大学 基于YOLOv5-Deepsort算法的矿井人员目标视频跟踪方法及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD