轻量化深度学习模型在行人检测上的应用.pdf

Operations Research and Fuzziology 运筹与模糊学运筹与模糊学,2024,14(1),823-836 Published Online February 2024 in Hans.https:/www.hanspub.org/journal/orf https:/doi.org/10.12677/orf.2024.141076 文章引用文章引用:颜欣荣,蒋雨.轻量化深度学习模型在行人检测上的应用J.运筹与模糊学,2024,14(1):823-836.DOI:10.12677/orf.2024.141076 轻量化深度学习模型在行人检测上的应用轻量化深度学习模型在行人检测上的应用 颜欣荣颜欣荣*，蒋蒋 雨雨#上海理工大学光电信息与计算机工程学院，上海 收稿日期：2023年12月12日；录用日期：2024年1月2日；发布日期：2024年2月29日 摘摘 要要 行人检测和跟踪在目标跟踪领域至关重要，广泛应用于辅助驾驶、安全监测和其他行人分析。在多目标行人检测和跟踪在目标跟踪领域至关重要，广泛应用于辅助驾驶、安全监测和其他行人分析。在多目标跟踪中，面临多种挑战，因此需要设计实时性和高精度的算法。本研究提出了一种新的行人跟踪模型。跟踪中，面临多种挑战，因此需要设计实时性和高精度的算法。本研究提出了一种新的行人跟踪模型。在行人特征建模阶段，采用在行人特征建模阶段，采用Yolov4-tiny网络模型和网络模型和COCO数据集预训练权重参数，经过迁移学习到数据集预训练权重参数，经过迁移学习到MOT数据集。为了解决目标微小部分的变形和遮挡问题，引入了一种深度分类跟踪器，结合了数据集。为了解决目标微小部分的变形和遮挡问题，引入了一种深度分类跟踪器，结合了MeanShift滤滤波器和卡尔曼滤波器。通过反投影图像和物体轮廓与卡尔曼线性观测模型相融合，实现了目标预测。实波器和卡尔曼滤波器。通过反投影图像和物体轮廓与卡尔曼线性观测模型相融合，实现了目标预测。实验结果表明，该模型能够在复杂环境中长时验结果表明，该模型能够在复杂环境中长时间跟踪目标，具有良好的跟踪效果，多目标跟踪精度为间跟踪目标，具有良好的跟踪效果，多目标跟踪精度为57.6%，目标定位精度为目标定位精度为82.1%。关键词关键词 深度学习，多目标跟踪，行人检测，深度学习，多目标跟踪，行人检测，YOLOv4-Tiny Application of Lightweight Deep Learning Model in Pedestrian Detection Xinrong Yan*,Yu Jiang#School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai Received:Dec.12th,2023;accepted:Jan.2nd,2024;published:Feb.29th,2024 Abstract Pedestrian detection and tracking are crucial in the field of target tracking and are widely used in assisted driving,safety monitoring,and other pedestrian analysis.In multi-target tracking,vari-ous challenges are faced;therefore,it is necessary to design real-time and high-precision algo-*第一作者。#通讯作者。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 824 运筹与模糊学 rithms.This study proposes a new pedestrian tracking model.In the pedestrian feature modeling stage,the Yolov4 tiny network model and COCO dataset were used to pre-train weight parameters,which were then transferred and learned to the MOT dataset.In order to solve the problem of de-formation and occlusion of small parts of the target,a deep classification tracker is introduced,which combines the MeanShift filter and the Kalman filter.By integrating back projection images and object contours with Kalman linear observation models,target prediction has been achieved.The experimental results show that the model can track targets for a long time in complex envi-ronments and has good tracking performance.The multi-target tracking accuracy is 57.6%,and the target positioning accuracy is 82.1%.Keywords Deep Learning,Multi Target Tracking,Pedestrian Detection,YOLOv4-Tiny Copyright 2024 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License(CC BY 4.0).http:/creativecommons.org/licenses/by/4.0/1.引言引言 多目标行人跟踪是一个重要的计算机视觉问题，也是手势识别、行为分析等更高层次研究的基础，是对序列图像中状态复杂的多个目标进行连续识别的任务。由于跟踪环境复杂多变，制约其跟踪性能的主要因素是目标外观特征的表达效果。由于深度学习在计算机视觉领域的应用快速发展，计算机视觉领域中目标识别与检测、目标分割等任务的准确性得到了显著提高，成为提高图像处理任务准确性的重要方法之一。基于卷积神经网络的目标检测算法框架主要分为两类。一种是早期的两阶段网络框架，它对网络提取的候选帧进行分类和回归。Ross-Girshick 等人提出了 R-CNN 1目标检测算法，使用选择性搜索算法提取图像区域中的候选框，然后在神经网络的特征提取后使用 SVM 对特征向量进行分类和回归。何开明等在 R-CNN 的基础上设计了 SPPNet 2深度网络模型。将 R-CNN 网络结构中的多层卷积改为卷积，大大减少了模型的计算量。Ross B.Girshick 提出了 Fast R-CNN 3来改进 SPPNet。Fast R-CNN 设计的 RoI池化层解决了以往 R-CNN 检测算法中图像区域缩放和裁剪的问题。另一种基于深度学习的算法是一阶段目标检测算法。代表算法有 Yolo 4 5 6 7系列算法和 SSD 8算法。Joseph 和 Ali 提出的 Yolov1 4算法直接完成了目标的分类和回归；Liu w 提出的 SSD 算法比R-CNN 更快，mAP 比 Yolov1 好；Joseph Redmon 和 Ali Farhadi 出版了 Yolov3 6。介绍了 Darknet19 网络模型，并采用多尺度融合方法进行预测。将原来的单标签分类优化为多标签分类。速度比 R-CNN 快1000 倍。Yolo 算法于 2020 年引入 Yolov4 7，在公共数据集 COCO 上，AP 可以达到 43.5%，速度高达65 FPS；在多目标行人跟踪任务中，通常确定目标类别。但是，在连续图像序列中要跟踪的目标数量是未知的。多目标跟踪的目的是在每帧的连续图像序列中定位所有要跟踪的目标，并确保在长期跟踪过程中目标的目标识别尽可能保持不变。Sam Hare 9提出将目标跟踪问题视为一个分类问题。在线学习每帧中的目标，并使用结果更新目标模型。Martin Danelljan 提出了 DSST 10目标跟踪算法，该算法使用平移滤波器来确定下一帧的位置，使用位置估计来获得中心坐标，然后使用比例滤波器估计来确定比例结果。MDNet 11算法结合 CNN 实Open AccessOpen Access颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 825 运筹与模糊学 现视频中的单目标跟踪。该算法结合 VGG 网络进行特征提取，将不同的特征图映射到连续的空间域，然后使用矩阵获得亚像素精度的目标跟踪位置。这种方法效果很好，但速度很慢。Martin 12发表了 ECO相关滤波器跟踪算法。它主要解决了 C-COT 13的过拟合问题，比以前的 C-COT 算法快约 20 倍。Xiao等人14提出了一种将视觉注意机制与语义计算相结合的行人检测方法，将皮肤语义特征和头肩语义特征集成在视觉注意机制上。JianjunH 等15提出了一种借助数据增强技术在噪声和遮挡环境中进行人体检测和跟踪的方法。近年来，基于深度学习和相关滤波的行人目标跟踪模型在跟踪速度和精度方面越来越受到关注。尽管深度学习在计算机视觉领域的应用发展迅速，但对于多目标跟踪任务，现有的自然场景连续图像序列数据集较少，训练样本稀缺。利用深度学习来提高跟踪精度面临着一定的挑战。为了解决数据集短缺的问题，与直接训练和测试的模型相比，我们使用迁移学习和微调 Yolov4-tiny 模型来提高检测精度和检测速度。通过迁移学习获得的 Yolov4-tiny 权重文件小于 23 MB，基本可以部署在移动设备、嵌入式设备、边缘计算等设备上，不会损失检测精度。2.Yolov4-Tiny 网络结构网络结构 Yolov4-tiny 是一个成熟的 Yolo 轻量级网络。主要分为三个部分，躯干、颈部和头部。主干使用CSDarknet53-tiny特征提取网络。网络的前52层用于输入图像的特征提取，最后一层用于输出。Yolov4-tiny在原有 Yolov4 骨干网的基础上，使用 CSPBlock 代替 RSPBlock，将模块映射为两部分。一部分继续堆叠Yolov4 骨干网络中的剩余块，另一部分绕过许多剩余结构。经过少量的卷积处理环节，这两个通道最终被集成在一起。颈部使用 SPP(特征金字塔)网络来增加网络的感受野，并进一步融合不同尺度的特征图。Yolov4 方法不使用空间金字塔池和路径聚合网络，提高了目标检测速度。Yolov4 头使用 Yolov3 头作为目标检测网络。Yolov4 微型化简化了头部，减少了头部的输出分支，提高了检测速度。Yolov4 tiny 的网络训练参数有 5,918,006 个，共有 38 个网络层。Yolov4-tiny 使用 13 13 和 26 26 两种不同比例的特征图来预测测试结果。其网络结构如图 1 所示。Figure 1.Yolov4-tiny network structure 图图 1.Yolov4-tiny 网络结构图 Yolov4-tiny 的损失函数包含三个部分：123losslosslossloss=+(1)其中，loss1是置信损失函数，loss2是分类损失函数，loss3是边界和回归损失函数。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 826 运筹与模糊学 3.融合融合 MeanShift 改进的改进的 Deep sort 目标跟踪算法目标跟踪算法 3.1.MeanShift 算法原理算法原理 MeanShift 算法16的核心是：假设目标区域中有 n 个样本点ix，1,in=，每一个点ix在 d 维空间dR中定义的 MeanShift 向量为：()()1ihhixSMxxxk=(2)其中ix是以 x 为中心点，k 表示在这 n 个样本点ix中落入hS区域中的个数，()ixx是样本点ix相对于点 x 的偏移向量，Meanshift 向量()hMx就是对落入区域hS中的 k 个样本点相对于点 x 的偏移量求和然后再平均。hS表示一个在 d 维空间中半径为 h 的高维球区域，满足以下关系的 y 点的集合：()()()T2:hSxyyxyxh=(3)由公式(2)可以看出，当平均偏移量()hMx指向样本分布最多的区域。落入hS的采样点对均值的贡献是相同的。但在实际跟踪过程中，距离中心点越远的采样点应该重要性越低，因此需要使用密度估计来对采样点的权重进行度量。密度估计的概率密度函数可能存在不平滑的问题，因此，使用核函数对概率密度函数做平滑处理，以达到更好的拟合效果。常见的核函数如图 2 所示。Figure 2.Kernel function graph 图图 2.核函数图 给出一个核函数()iK xx确定重新估计平均值的附近点的权重。在本文中，我们采用 Epannechnikov核函数(公式(4)改进 MeanShift 向量，得到新的 MeanShift 表达式(公式(5)：()()21,10,E xcxxK=其他 (4)()2,1nkih K xdidcxxfkhnh=(5)其中()K x为核函数，dkdcnh为单位密度。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 827 运筹与模糊学 MeanShift 算法(如图 3 所示)首先计算了目标区域和候选区域内像素的特征值概率，绘制出像素颜色的灰度直方图，然后利用相似性函数度量初始帧目标模型和当前帧的候选模型的相似性，不断进行迭代，直到找到相似性函数最大的候选模型。在迭代过程中，候选区域的移动轨迹就是目标由初始位置向正确位置移动的向量，这个向量称为目标模型的 MeanShift 向量。由于 MeanShift 算法具有快速收敛性，算法经过几十次迭代或满足阈值条件后，就将收敛到目标的真实位置，达到跟踪的目的。Figure 3.MeanShift tracking schematic 图图 3.MeanShift 跟踪原理图 3.2.Deep sort 跟踪算法的改进跟踪算法的改进 MeanShift 是一种无参密度估计方法，它并不需要确定概率密度函数的具体形式，而是通过相邻的样本点对概率密度值进行估算。因此，对先验知识要求很少，准确性主要依赖于其迭代训练的过程。总体而言，MeanShift 算法复杂度低，具有良好的实时跟踪性。但是当视频图像中跟踪目标被其他颜色相近的目标遮挡，或者与其他运动目标距离过近时，MeanShift 跟踪算法会发生目标跟丢的情况。而卡尔曼滤波器可以利用速度参数对运动目标在发生遮挡时，能一定程度上解决这个问题。为解决目标捡漏和 ID 频繁跳变问题，本文运用 MeanShift 无监督学习融合卡尔曼滤波算法，设计一个基于目标颜色概率模型和当前运动行人状态进行预测的行人预测算法。在跟踪过程中，当目标发生遮挡时，首先判断跟踪目标是否发生遮挡状态。设 MeanShift 算法得到的目标预测中心点为(),ttx y，卡尔曼滤波器得到的目标预测中心点为(),ttx y，这样就存在一个阈值t，如公式(6)：22tttttxxyy=(6)当跟踪目标没有发生遮挡情况，阈值t的值较小。一旦发生跟踪目标被遮挡，MeanShift 的观测坐标与卡尔曼滤波预测的坐标会发生较大的变化，通过t值表达出来。一般情况下，当t小于 10，表示没有发生遮挡，当t大于 10，表示遮挡发生。融合 MeanShift 算法后的 Deep sort 跟踪算法主要通过，当前帧对下一帧目标位置的预测、匹配和更新卡尔曼滤波参数来对目标行人的跟踪，具体算法流程如下。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 828 运筹与模糊学 Step1：输入待跟踪的视频样本。利用行人检测算法获取视频图像中目标的检测框，对检测框进行NMS 筛选，进行特征提取，得到中心坐标和搜索区域半径；Step2：将第一步得到的检测框作为 MeanShift 算法的搜索窗口；同时将检测的目标中心位置坐标赋予卡尔曼滤波器；Step3：将 MeanShift 算法得到的观测目标位置和通过卡尔曼滤波器得到的预测框的坐标位置进行阈值计算，判断是否发生遮挡，若存在遮挡，则使用卡尔曼滤波器预测的下一帧视频图像位置的信息；若没有发生遮挡，则用 MeanShift 算法预测的目标位置信息；Step4：将下一帧检测的特征提取框和 Step3 滤波更新的跟踪框使用表观特征的马氏距离(公式(7)和余弦度量(公式(9)进行级联匹配，两个距离计算的代价公式如(公式(10)；首先，采用马氏距离度量检测框和预测框之间的运动关联程度：()()()()T11,jiijidi jS=dydy (7)其中，jd表示第 j 个检测框的(),u vh，iy表示第 i 个跟踪器对目标的预测(),u vh，iS表示检测位置与平均跟踪位置之间的协方差矩阵。马氏距离度量了数据的协方差距离，通过对目标检测位置和平均跟踪位置之间的标准差进行计算，来对卡尔曼滤波器的预测值进行筛选。如果计算得到的马氏距离大于某个阈值，则认为匹配失败。本文为了和原算法相对比，设置与原论文相同的阈值，即9.4877id=，匹配度为：()()()()22,ii jbdi jd=(8)当追踪目标发生遮挡等干扰时，比如相机运动，马氏距离匹配此时就容易发生 ID switch 的现象，这种情况一般使用外观特征的度量。外观特征通过对一个检测目标框引入一个通过深度网络计算的 128 维特征表示向量，并对每一个跟踪目标 i，存储最近成功关联的 100 帧的特征向量，记为。外观特征使用最小余弦距离计算与当前帧目标检测结果的特征向量之间的接近程度，公式如下：()()()()2T,min 1|iijkkidi jR=r rr (9)当马氏距离和最小余弦距离这两个指标都满足各自阈值条件的时，将它们的结果进行线性加权作为最终的度量标准：()()()()()12,1,i jcdi jdi j=+(10)对于匹配成功的预测框，则返回确认跟踪状态轨迹，ID 编号不改变。将得到的成功匹配结果反馈给Kalman 滤波器修正参数，同时也反馈给 MeanShift 滤波器做为下一次预测起始区域的中心位置，再返回Step2；对于匹配不成功的预测框和检测框，则进入下一阶段 IOU 匹配，判断跟踪行人是否已离开跟踪区域，或是否出现新的待跟踪目标。4.实验结果与分析实验结果与分析 4.1.数据集介绍数据集介绍 本实验采用多目标跟踪数据集 MOT16 数据集17进行实验。MOT16 数据集是 2016 年提供的用来衡量多目标跟踪方法标准的数据集，共包含 14 个视频序列。分别是 train 和 test 文件夹，每个文件夹包含 7段视频，每个视频子目录下都是一段视频的抽帧图片及标注。如图 4 和图 5 所示，分别是 MOT16 数据集的训练集和测试集所包括的 7 个不同场景视频。其中包含室内和室外，白天和黑夜，远距离行人和近距离行人，不同拍摄视角和相机运动，也包含了不同天气状况的视频。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 829 运筹与模糊学 Figure 4.Training sets in the MOT16 dataset 图图 4.MOT16 数据集中的训练集 Figure 5.Testing sets in the MOT16 dataset 图图 5.MOT16 数据集中的测试集 颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 830 运筹与模糊学 4.2.实验环境实验环境 实验环境在因特尔 i5-9400fCPU，主存空间 16 GRAM，NVIDIA 显卡 GTX 1060GPU。软件支持 Python语言，PyTorch 库。4.3.评价指标评价指标 Precision 在本文中代表被正确识别和分类的目标数量/每帧中被成功跟踪的目标个数，True positives所占的比率：TPPrecisionTPFP=+(11)Recall 是被正确识别和分类的目标数/每帧中被跟踪的目标数与测试集中所有被试的目标个数/被跟踪的目标数的比值：TPRecallTPFN=+(12)其中 TP 表示预测正确的正例，FP 表示预测正确的反例，FN 表示预测错误的正例。MOTA(Multiple Object Tracking Accuracy)()(FNFPIDSWMOTA1,1GT+=(13)MOTA 是跟踪准确度的重要指标，不考虑跟踪目标的精度，其中 IDSW 跟踪目标 ID 标识转换次数，分母 GT 表示正确匹配上跟踪目标的个数。MOTP(Multiple Object Tracking Precision)：表示跟踪器的定位精度，如公式(14)：,MOTPt it ittdc=(14)D 表示第 t 帧中目标 i 和与之进行匹配的成功预测跟踪的目标之间平均度量距离；c 表示在第 t 帧中成功预测匹配成功的目标数目。IDF1：综合考虑 IDP 和 IDR(综合 ID 准确率和 ID 召回率)，前缀 ID 表示跟踪的目标编号。2IDTPIDF12IDTPIDFPIDFN=+(15)IDSW：成功预测跟踪的目标分配的 ID 发生变化的次数。FPS：评估目标检测的速度，目标网络每秒可以检测多少帧，FPS 简单来理解就是图像的刷新频率，也就是每秒多少帧，时间越短，速度越快。1FPSt=(16)MAPE 和 RMSE 是对目标检测跟踪模型的预测效果进行误差对比评价，数值越小越好。MAPE 平均百分比误差 1100MAPENttttobservedpredictedobservedN=(17)RMSE 单次独立仿真均方根误差 颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 831 运筹与模糊学 ()211RMSENtttobservedpredictedN=(18)其中，Tobserved表示在 T 时刻检测的真实目标坐标位置，Tpredicted表示在 T 时刻由系统预测的该跟踪目标的坐标位置，N 是独立蒙特卡洛运行的总次数。4.4.迁移学习迁移学习 为了实现 Yolov4-tiny 在数据集 MOT16 上的行人检测实验，先要对经过 COCO 18数据集训练的Yolov4-tiny 模型进行网络微调。以提高模型对行人的检测性能，加快网络学习的进度。第一步，将默认的类别参数由 80 改为 1，即 class=1。因为本文只需要对行人进行检测，而默认值 80 是 COCO 数据集的类别数。第二步，对于新定义的检测类，由公式(19)将前 3 个卷积层 filters=255，改为 filters=18，其中 5 是 Yolo 检测算法得到的 5 个坐标值，3 是各种边界缩放框 K。()filtersclasses53=+(19)然后，对网络需要的其他输入参数进行设置，主要包括网络输入大小、批量大小、学习率，以及前一层中的卷积核数和迭代次数等。微调模型训练的批次大小为 32，迭代次数为 40,000。训练过程中的学习率和权重衰减设置为 0.001 和 0.0005 进行优化调整。此外，为了在训练阶段提供性能的初始结果，权重序列化每 1000 次迭代自动执行一次。根据检测器性能，将网络输入大小设置为 416 像素 416 像素，Yolov4-tiny 的参数如表 1 所示。Table 1.Hyperparameter settings of Yolov4-tiny optimization model 表表 1.Yolov4-tiny 优化模型的超参数设置 参数 值 输入大小 416 416 Learningrate 0.001 Batch Size 32 subdivision 8 Decay 0.0005 4.5.实验结果和分析实验结果和分析 4.5.1.模型对比实验模型对比实验 使用 MOT16 数据集进行训练和测试，将本文提出的 Yolov4-tiny+Deep sort 行人检测与跟踪方法在服务器上进行离线训练，并与 Yolov3-tiny+Deep_sort，Yolov4+Deep sort，Yolov5+Deep sort 等方法进行对比实验。所得评价指标结果如表 2 所示。Table 2.Test results for various algorithms on the MOT16 Dataset 表表 2.基于 MOT16 数据集的各算法测试结果对比表 算法 MOTA MOTP IDF1 IDS FP FN Rcall Prcn FPS Yolov4-tiny+Deep sort 32.8%80.8%77.1%588 4674 20,663 81.3%90.4%27.8 Yolov3-tiny+Deep sort 31.2%70.9%69.1%654 8197 67,165 39.2%84.1%11.7 Yolov4+Deep sort 21.4%72.7%41.8%463 20,701 65,625 65.6%68.4%2.92 Yolov5+Deep sort 33.4%81.2%79.2%327 5826 67,423 38.9%88.1%20.6 颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 832 运筹与模糊学 Figure 6.Comparison of various algorithms 图图 6.各个算法对比 从表 2 可以看出，Yolov4-tiny+Deep sort 的跟踪算法速率能达到 27.8，检测精度达到 90.4%，MOTA和同类算法相比达到 32.8%，定位精度 MOTP 达到 80.8%。结果表明，Yolov4-tiny 检测器对跟踪性能有很大的提升，提高了模型的跟踪速率。图 6(a)(f)给出了实验算法在 MOT16 测试集 7 个视频上各性能指标的结果对比。4.5.2.算法对比实验算法对比实验 为了能在移动端或低配置电脑端应用目标行人追踪网络，与原始 Deep sort 算法在目标跟踪上的效果进行对比，采用预测回归评价指标 RMSE、MAPE 对模型预测性能进行评估。本文将原始 Deep sort 跟踪器和 MDeep sort 跟踪器进行蒙特卡洛仿真 50 次实验对比。设置 MeanShift最大迭代次数为 20。得到两种跟踪模型的预测值与真实值进行系统状态估计比较，评估结果如图 7 所示。将预测值与真实值直接计算 MAPE 误差结果，如图 7(a)(b)所示。最后，分别对上述两种评价指标的结果计算平均值，系统模型的总体跟踪指标结果如表 3。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 833 运筹与模糊学 Table 3.Hyperparameter settings of Yolov4-tiny optimization model 表表 3.Deep sort 跟踪算法改进前后预测误差性能对比 跟踪算法 Yolov4-tiny+Deep sort Yolov4-tiny+MDeep Sort RMSE 平均值 6.43 3.10 MAPE 平均值 2.77 0.47 Figure 7.Comparison of tracking models 图图 7.跟踪模型对比 Figure 8.Comparison of algorithm testing results on the MOT16 dataset 图图 8.对比算法在 MOT16 数据集上的测试结果 颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 834 运筹与模糊学 本文改进后的 MDeep sort 跟踪算法和原始的 Deep sort 算法相比，系统的状态估计性能更好，更接近真实值。从 50 次仿真结果可以分析，两种跟踪算法模型的预测值和真实值之间的 RMSE 误差都能保持在 10 以内。其中原始 Deep sort 跟踪器平均误差为 6.43。而本文改进后系统模型平均误差为 3.10，结果较好。从图 7 可以看出本文的两种跟踪模型的百分比误差相差较大，其中误差越小越好，原始 Deep sort的 MAPE 误差平均值为 2.77，而本文 MDeep sort 算法的 MAPE 达到了 0.47，误差率很小。由此得出本文提出的算法 MDeep sort 模型在预测目标行人坐标中心点时相对比较准确。图 8 是原始 Deepsort 算法与改进 MDeepsort 算法在 MOT 数据集上的检测结果图，可得到 MDeepsort 算法可以有效的解决以往只利用卡尔曼滤波器预测跟踪时的算法不足。使算法对遮挡物具有良好的抗干扰性，较好地实现近处多个目标行人的跟踪，提高了算法的稳定性和鲁棒性。为了进一步衡量本文 Yolov4-tiny+MDeep sort 检测跟踪算法的性能，与其他主流的在多目标行人跟踪算法在 MOT16 行人跟踪数据集上的进行评估，实验比较了 SMOT 19、TBD 20、STRN 21和Yolov4-tiny+Deep sort 算法的目标跟踪性能，结果如表 4 所示。Table 4.Comparison of prediction error performance of the Deep sort tracking algorithm 表表 4.Deep sort 跟踪算法改进前后预测误差性能对比 跟踪算法 MOTA(%)MOTP(%)IDSW Yolov4-tiny+MDeep sort 57.6 82.1 347 Yolov4-tiny+Deep sort 32.8 80.8 588 SMOT 19 29.7 75.2 3108 TBD 20 33.7 76.5 2418 STRN 21 48.5 73.7 747 从表 4 可以看出，本文改进后的跟踪模型 MDeep sort 和目前主流的多目标跟踪算法相比，各方面的跟踪性能都有所提升。和原始 Deep sort 相比，IDSW 从 588 减少到 347，大约减少了 41.0%。同时，由于加入了 MeanShift 的基于颜色特征的核密度估计的行人跟踪预测，对小范围的行人遮挡不受影响，有效处理了行人遮挡和遗漏问题，保持了目标行人的 ID 标识，使轨迹跟踪精度略有提高。当出现大面积遮挡时，利用卡尔曼滤波的预测机制，根据当前帧中行人的行驶速度大小和方向对下一帧位置进行预测，减少了漏检率和误判率。本文提出的算法模型不仅提高了跟踪准确率 MOTA 分数，大约提高了 35.8%，而且对跟踪行人估计的位置精度 MOTP 也有所提升，大约提高了 27.9%。这两个参数是直接反应跟踪器的预测跟踪性能，跟踪器的运行速度 FPS 由每秒 15 帧提高到每秒 22 帧，改进的模型有效的提高了跟踪速率，使跟踪器更符合在实际环境下的应用需求。5.结语结语 本文提出的基于轻量级 Yolov4-tiny 检测算法，与融合 MeanShift 算法的 Deep sort 目标跟踪算法构成的 Yolov4-tiny+MDeep sort 跟踪模型，解决了以往基于深度学习与滤波算法结合的方法中模型参数过多，尺寸过大，检测速度慢，准确性低，目标遮挡等问题。在 MOT16 数据集上测试结果表明，本文的跟踪模型性能 MOTA 提高了 35.8%，定位精度 MOTP 提高了 27.9%。在比较密集的多目标行人场景下，本文跟踪算法能较好地抵抗行人跟踪中常见的问题，具有良好的实时性和鲁棒性。该模型能够充分利用单帧的全局信息，既关注了行人的 RGB 颜色信息，又保留了行人的速度等参数，提升了跟踪算法的检测速度，避免了行人的特征形变对目标跟踪过程的影响。颜欣荣，蒋雨 DOI:10.12677/orf.2024.141076 835 运筹与模糊学 参考文献参考文献 1 Girshick,R.,Donahue,J.,Darrell,T.,et al.(2014)Rich Feature Hierarchies for Accurate Object Detection and Seman-tic Segmentation.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Columbus,23-28 June 2014,580-587.https:/doi.org/10.1109/CVPR.2014.81 2 He,K.,Zhang,X.,Ren,S.,et al.(2015)Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recogni-tion.IEEE Transactions on Pattern Analysis and Machine Intelligence,37,1904-1916.https:/doi.org/10.1109/TPAMI.2015.2389824 3 Wang,X.,Shrivastava,A.and Gupta,A.(2017)A-Fast-RCNN:Hard Positive Generation via Adversary for Object Detection.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Honolulu,21-26 July 2017,2606-2615.https:/doi.org/10.1109/CVPR.2017.324 4 Redmon,J.,Divvala,S.and Girshick,R,et al.(2016)You Only Look Once:Unified,Real-Time Object Detection.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Las Vegas,27-30 June 2016,779-788.https:/doi.org/10.1109/CVPR.2016.91 5 Redmon,J.and Farhadi,A.(2017)YOLO9000:Better,Faster,Stronger.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Honolulu,21-26 July 2017,7263-7271.https:/doi.org/10.1109/CVPR.2017.690 6 Zhao,L.and Li,S.(2020)Object Detection Algorithm Based on Improved YOLOv3.Electronics,9,537.https:/doi.org/10.3390/electronics9030537 7 Hu,X.,Liu,Y.,Zhao,Z.,et al.(2021)Real-T