综合运动前景与运动行人的智能视频双重监测算法设计

针对传统监控视频存在目标尺寸小、行人被遮挡导致检测精度和跟踪效果不佳的问题,提出一种综合运动前景与运动行人的智能视频双重监测算法。首先,基于YOLOv5算法,构建一个结合协同注意力机制的行人检测模型;然后以行人检测模型作为检测器,引入DeepSORT的行人跟踪算法,并在该算法基础上加入GhostNet-cot重识别网络和抗遮挡策略;最后将改进YOLOv5检测模型与增强数据关联的DeepSORT跟踪模型相结合,搭建一个综合运动前景与运动行人的智能视频双重监测模型,通过该模型实现运动行人准确检测和跟踪。实验结果表明,本模型的MOTA、HOTA、IDFI指标分别取值为48.86%、53.35%和56.66%,均高于传统的DeepSort模型、GAN-RNN模型和ECA-BIFPN模型。且本模型的IDSW和参数量分别为204和9.2 M,明显低于另外三种模型。综合分析可知,本模型可实现运动行人的抗遮挡,基于监控视频的行人检测跟踪精度明显提高,可实现智能体育视频的双重监测。