摘要
近年来行人检测和跟踪技术快速发展，在固定监控设备中得到了广泛的应用，但是仍然存在灵活性差、监控范围有限、成本高昂等问题。因此，通过无人机搭载监控设备采集图像，再对采集到的视频图像进行图像处理的技术逐渐兴起。为完成无人机视角下对行人的检测和跟踪任务，以无人机航拍视频图像中的行人为研究对象，研究了目标检测、多目标跟踪等感知算法以及人工神经网络模型优化算法，搭建了无人机视角下的行人检测和跟踪系统。本文的主要研究内容如下： （1）基于YOLO-V3搭建了目标检测网络，检测无人机视角下的行人目标。从VisDrone无人机数据集中抽取含有行人的图像作为训练数据训练网络。为适应无人机视角下的行人尺度，对抽取的行人数据集进行聚类分析，调整YOLO-V3的初始锚框，最后训练得到一个适用于无人机视角的行人检测网络。 （2）为提高目标检测算法的推理速度，基于L1正则化将YOLO-V3网络稀疏化，然后对卷积神经网络进行通道剪枝，在精度损失很小的前提下，大幅压缩了网络。对经过通道剪枝的网络进行改进，移除部分冗余的卷积层，构建了一个更浅的目标检测网络。改进后的网络与原始网络精度相当，检测速度是原始网络的2.11倍。 （3）引入了多目标跟踪算法Deep-Sort，对多个行人目标同时进行跟踪，得到行人的运动轨迹。分析了Deep-Sort的各个组成部分，将优化后的目标检测网络作为多目标跟踪算法的检测部分，提高了算法整体运行速度。 （4）搭建了无人机视角下的行人感知系统和用于采集视频图像的无人机平台，将其用于智能监控中，完成了无人机视角下对行人的检测和跟踪任务，使其具有统计行人流量，标记行人位置并绘制其移动轨迹的功能。
NETL