基于YOLOv5-DeepSORT融合的低帧率水面航行多目标跟踪算法

摘要

针对游弋舰船或近水面航行的潜艇等目标在低帧率或视频图像中缺失部分帧情况下，跟踪目标帧与帧之间存在较大差距，导致跟踪精度下降、效率低的问题，提出一种基于YOLOv5与DeepSORT融合的水面航行多目标跟踪算法。首先，引入超分辨率重建网络对跟踪目标图像进行增强，以消除云雾及海浪对识别网络的干扰，使图像中目标特征清晰化；其次，在YOLOv5中引入ShuffleAttention注意力模块以增强识别网络对目标特征的提取能力；最后，在DeepSORT算法级联匹配中引入欧氏距离匹配替代IOU匹配，以此提升目标跟踪精度。仿真结果表明，本文算法的跟踪效果良好，改进的YOLOv5模型相对mAP50-95值提升了9.4%;在DeepSORT跟踪网络中，跟踪准确率对比优化前提升了8.11%。

关键词

船舶 / 水面航行 / 多目标跟踪 / 超分辨率重建 / YOLOv5 / DeepSORT / 欧氏距离匹配

基金资助

国家自然科学青年基金资助项目(62203405); 2021年山西省应用基础研究计划项目(20210302124545); 省部共建动态测试技术国家重点实验室开放研究基金资助项目(2022-SYSJJ-08)