车载手部小目标运动跟踪算法研究

doi:10.13873/J.1000-9787(2023)08-0065-04

Chinese

您当前的位置：

首页 >

文章列表页 >

车载手部小目标运动跟踪算法研究

更新时间：2025-09-11

- 车载手部小目标运动跟踪算法研究
- Issue 8, Pages: 65-68+77(2023)
- 作者机构：
  
  1. 华东师范大学计算机科学与技术学院
  2. 常州星宇车灯股份有限公司
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)08-0065-04
  CLC： U463.6;TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (8): 65-68+77.
DOI：

[J]. 2023, (8): 65-68+77. DOI： 10.13873/J.1000-9787(2023)08-0065-04.

摘要

随着汽车座舱的发展，通过对车内乘客手部进行运动跟踪，实现与车内灯具交互的应用成为了市场热点需求。但手部小目标易漏检的问题会造成目标缺失与跟踪不连续。提出一种车载手部小目标运动跟踪算法。首先，改进了YOLOv4-Tiny目标检测算法，通过将特征融合层的浅层特征进行多次卷积和下采样，并与深层特征拼接，使深层获得更多的细节特征信息；然后，将检测结果传入DeepSORT算法进行多目标跟踪，实现对手部的运动跟踪。在嵌入式平台实验结果表明：改进后YOLOv4-Tiny算法的召回率提升9.05%;本文算法相比传统算法，多目标跟踪准确度(MOTA)提升17%

精度(MOTP)提升15%

同时具有较高的实时性。

Abstract

关键词

Keywords

references

The Hungarian method for the assignment problem[J]. H. W. Kuhn.Naval Research Logistics (NRL),2005

Kalman filtering: a new approach for building global approximations. Application to the inverse optimization of an explosively formed penetrator (EFP)[J]. E. Lemenager;T. Bouet;V. Braibant.Structural Optimization,1997(2)

一种基于YOLOv4的改进Deep Sort目标跟踪算法[J]. 陈紫强;张雅琼.桂林电子科技大学学报,2021(02)

联合YOLO和Camshift的目标跟踪算法研究[J]. 韩鹏;沈建新;江俊佳;周喆.计算机系统应用,2019(09)

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向鱼水分离作业的鱼群智能视觉计数方法

动态场景下火灾烟雾多特征融合识别定位研究

基于改进U²-Net的摇床精矿带图像分割方法

基于注意力机制的特征融合孪生网络目标跟踪算法

基于并联型神经网络的环境声音分类

Related Author

刘祥勇

王志勇

符长虹

李升晨

左浩博

李雨宸

杨冬

金天宇

Related Institution

中国水产科学研究院渔业机械仪器研究所

香港大学计算机科学系

同济大学机械与能源工程学院

河北工业大学机械工程学院

江西省矿冶机电工程技术研究中心

⁰