首页|用于自动驾驶车辆的融合注意力机制多目标跟踪算法

用于自动驾驶车辆的融合注意力机制多目标跟踪算法

Multiple object tracking algorithm integrated with attention mechanism for autonomous vehicles

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高自动驾驶车辆的跟踪准确性,建立了一种融合注意力机制的多目标跟踪算法.基于YOLOv3神经网络并融合注意力机制,增强了目标外观特征提取网络的性能.用该多目标检测算法,提取目标或背景的具有辨别性的特征.用长短时记忆(LSTM)网络,提取物体的运动特征.用该跟踪算法对目标轨迹进行动态建模.借助追踪目标的相似度数值和数据匹配关联,完成了多目标的跟踪任务.在多目标跟踪数据集MOT16上进行了实验.结果表明:与YOLOv3相比,考虑注意力机制的多目标检测算法的成功率提高了1.9％;该算法的准确度53.9％,精确度79.0％;因而,本算法实现了对目标的稳定跟踪.

张平、迟志诚、陈一凡、惠飞

展开 >

长安大学 汽车学院,西安 710064,中国

长安大学 信息工程学院,西安 710064,中国

自动驾驶车辆 多目标跟踪算法 深度神经网络 注意力机制

国家自然科学基金联合基金

U1864204

2021

10.3969/j.issn.1674-8484.2021.04.010

汽车安全与节能学报
清华大学

汽车安全与节能学报

CSTPCDCSCD北大核心
影响因子：0.748
ISSN：1676-8484
年,卷(期)：2021.12(4)
  • 5