在船上监视人员监控使用改进的多对象检测和跟踪算法
Yiming Li1, Bin Zhang1, Yichen Liu1
1Marine Engineering College, Dalian Maritime University, Dalian 116026, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
这项研究引入了一种先进的船上监控系统,用于检测和跟踪人员,增强对入侵的安全性. 新的算法显著提高了检测准确度,并减少了复杂的海上环境中的错误识别.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 海上安全 海上安全
背景情况:
- 船上监视带来了独特的挑战,包括阻塞,小目标和复杂的人员移动.
- 由于这些挑战,现有的多对象跟踪算法在船上监控视频上表现不佳.
研究的目的:
- 开发一个强大的多对象检测和跟踪算法,用于船上防入侵.
- 提高在复杂的船上环境中人员检测和跟踪的性能.
主要方法:
- 用BiFormer和RepGhost模块设计了BR-YOLO网络,以实现高效的对象检测.
- 提出了部分OSNet网络,用于使用多尺度聚合强大的Re-ID特征提取.
- 综合外观信息用于跟踪通过检测与关联匹配.
主要成果:
- 拟议的算法取得了显著的改进:MOTA,HOTP和IDF1增加了约10%,MOTP增加了约7%.
- 减少了ID开关的数量,表明更稳定的跟踪.
- 在自建的船上监控数据集上证明了有效性.
结论:
- 开发的算法在船上监视和防入侵方面非常有效.
- 通过先进的人工智能,为加强海上安全提供实用解决方案.
- 在关键跟踪指标上表现优于当前的主流算法.
