基于VGG-M网络模型的前方车辆跟踪

摘要

针对前方运动车辆复杂场景下的跟踪精度较低的问题,文中将庞大的VGG-M网络模型应用到实时跟踪中,并结合在线观测模型,实现对前方车辆稳定精准的跟踪.通过改进样本生成方案,优化网络训练集,提高了网络训练效率.采用自适应更新模型,可根据目标轮廓的高宽比、内部信息熵和跟踪的尺度置信度实时调节网络更新频率.实验结果表明,在线VGG-M跟踪模型比传统的车辆跟踪方法的性能有明显的改善.