简介：伴随海洋经济的不断发展,目标跟踪作为海洋安全的重要部分,需要兼顾高实时性与高准确性.针对多目标跟踪过程中常出现模糊匹配错误以及深度学习目标检测器推理速度慢的问题,提出了一种基于稀疏多假设匹配的轻量化红外多目标跟踪算法.首先,从定量角度分析费用矩阵的匹配过程,结合深度级联匹配算法与多假设跟踪算法,设计并实现了稀疏多假设匹配算法,在稀疏化费用矩阵、减少匹配过程计算量的同时,提高了费用矩阵匹配精度;其次,针对深度学习模型参数多、存在冗余参数的问题,采用层自适应剪枝算法对YOLOv8s模型进行剪枝,在不牺牲模型准确度的同时,减少模型的参数量与浮点运算量,使得YOLOv8s模型能够在更广泛的场景下部署.在视频序列跟踪实验中,MOTA指标较其他算法提高了0.2％～1.2％,证明稀疏多假设匹配算法提升了目标跟踪效果;在剪枝实验中,相比于原模型,剪枝后的YOLOv8s模型的平均精度(mAP@50)提升了0.1％,参数量下降为42.0％,浮点运算量下降为66.4％,实现了推理准确度与推理速度的提升.展开
