基于视觉的交通场景目标检测与跟踪技术研究

针对通用目标检测算法在交通场景下检测多目标时存在的小目标漏检和误检问题，提出了一种适用于交通场景下的目标检测与跟踪算法。基于K-means++聚类算法计算出适合交通场景下目标检测的锚定框(Anchor Box)和深度可分离卷积的思想优化目标检测算法。其次，利用匈牙利匹配将卡尔曼滤波的预测值和目标检测的实际值相关联匹配，以实现目标跟踪。实验结果证明，改进后的目标检测与跟踪算法较原始算法在mAP方面提升了2.3%,达到了99.13%;速度提升了20%,达到了30帧/秒，对交通场景下的特定目标均实现了准确检测跟踪，保持了较好的实时性。