申请/专利权人：安徽大学

申请日：2023-10-18

公开（公告）日：2024-01-19

公开（公告）号：CN117423031A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/32;G06V10/56;G06V10/74;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.01.19#公开

摘要：本发明涉及一种基于改进YOLOv7和DeepSORT的目标检测及跟踪系统，通过改进YOLOv7网络架构和训练策略，在损失函数中，坐标损失使用SIoU取代CIoU，考虑真实框与预测框向量角度，实现更准确的目标检测。系统融合DeepSORT算法，利用深度学习提取目标特征，引入加速度参数的卡尔曼滤波，实现持续跟踪和轨迹预测。系统可实时监测目标位置与行为，根据规则或模型进行实时预警，包括异常行为检测、碰撞风险预测等，早发现潜在安全问题或异常情况。工作流程包括：视频流数据读取与预处理；基于改进YOLOv7构建检测模型；基于改进DeepSORT构建跟踪模型；实时目标监测与异常预警。本系统是一种针对目标检测和跟踪领域的技术改进，具备准确检测、连续跟踪和实时预警功能，具有广泛的应用前景。

主权项：1.一种基于改进YOLOv7和DeepSORT的目标检测及跟踪系统，其特征在于：包括以下步骤：步骤1：数据输入，从视频流中读取数据并进行数据预处理，确保输入数据符合模型的要求；步骤2：基于改进YOLOv7搭建目标检测模型，用于实时检测图像中的目标物体，包括Backbone网络、Head网络以及相关的CBS、ELAN和MPConv模块，用于提取图像特征和生成目标检测结果；步骤3：基于改进DeepSORT搭建目标跟踪模型，用于跟踪目标物体的运动轨迹，包括卡尔曼滤波状态估计和数据关联匹配的核心部分，以实现目标的精确跟踪；步骤4：对异常信息进行实时预警。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于改进YOLOv7和DeepSORT的目标检测及跟踪系统

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