基于检测和重识别的无人机行人跟踪算法

主要观点总结

本文提出一种基于检测和重识别的无人机行人跟踪算法。针对无人机视角的目标滑移和遮挡问题，采用YOLOv5目标检测算法进行量化加速，并结合OSNet行人匹配算法构建新的跟踪算法。实验结果表明，该算法在行人穿插及障碍物遮挡的情况下具有一定的实用性和有效性。通过仿真试验和飞行试验验证了算法的性能。

关键观点总结

关键观点1: 采用YOLOv5目标检测算法进行量化加速，以适应无人机的计算力限制。

使用TensorRT框架对YOLOv5网络模型进行优化加速，提升检测速度，同时几乎不损失精度。

关键观点2: 结合OSNet行人匹配算法构建新的跟踪算法，解决目标跟踪过程中的滑移和错位问题。

利用OSNet全尺度信息的提取能力，提高行人重识别的准确率。

关键观点3: 通过仿真试验和飞行试验验证算法性能。

在仿真试验中，验证了算法在行人遮挡情况下的有效性。在飞行试验中，进一步验证了算法的实际应用效果，表明该算法具有一定的实用性和跟踪能力。