基于YOLOv5深度学习模型的动态靶标识别跟踪方法

李福禄, 吉喆, 段修生

doi:10.13319/j.cnki.sjztddxxbzrb.20220115

石家庄铁道大学学报（自然科学版） ›› 2022, Vol. 35 ›› Issue (03) : 111 -117. DOI: 10.13319/j.cnki.sjztddxxbzrb.20220115

基于YOLOv5深度学习模型的动态靶标识别跟踪方法

李福禄, 吉喆, 段修生

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对火炮身管动态靶标识别跟踪精度和实时性不高的问题，提出了一种基于YOLOv5深度学习模型的靶标识别跟踪方法。分析了靶标识别跟踪过程和基本思想，通过网格化模型对靶标样本图像进行多尺度处理，并利用金字塔模型进行融合预测；搭建了YOLOv5网络模型，对组件设置优化；对比了损失函数对锚框识别效果的影响，并选取优化后的CIOU作为模型损失函数；最后对模型进行训练，并利用训练好的模型对动态靶标进行识别跟踪。实验结果可视化分析显示，靶标动态识别跟踪率可达到99.3%,动态实时跟踪效果较好。