摘要： 针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题，提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先，基于YOLOv4-tiny目标检测算法设计检测器，增加算法的检测层以提高小目标检测精度；随后在筛选出的数据集上进行模型训练和试验，试验结果表明，改进后检测器的检测精度AP提高了5.4%,运行速率FPS达到114.3 f/s。其次，在获取检测框后，以检测结果为输入，使用无迹卡尔曼滤波器预测目标轨迹，解决卡尔曼滤波在目标非线性状态下鲁棒性差的问题。然后，将预测得到的新轨迹通过匈牙利算法和当前检测视频帧数进行匹配，并使用IOU匹配算法对匹配不成功的轨迹和检测结果进行关联匹配。最后，进行无迹卡尔曼滤波更新。无人车校园跟踪试验表明，与原DeepSORT算法相比，改进跟踪算法的多目标跟踪准确度MOTA提升数值为4.1%,多目标跟踪精度MOTP提升数值为3.4%,FPS提升了33.8 f/s,有效提高了无人车的安全性。

关键词: 校园无人车; 多目标跟踪; YOLOv4-tiny目标检测算法; DeepSORT算法; 无迹卡尔曼滤波算法; 匈牙利算法; IOU匹配算法

中图分类号: 

• U463.6

• TP391.41