基于DeepSORT算法的肉牛多目标跟踪方法

摘要

肉牛的运动行为反映其健康状况,在实际养殖环境下如何识别肉牛并对其进行跟踪,对感知肉牛的运动行为至关重要.基于YOLO v3改进算法(LSRCEM-YOLO),利用视频监控实现了实际养殖环境下的肉牛实时跟踪.该方法采用MobileNet v2作为目标检测骨干网络,根据肉牛分布不均、目标尺度变化较大的特点,提出通过添加长短距离语义增强模块(LSRCEM)进行多尺度融合,结合Mudeep重识别模型实现了肉牛多目标跟踪.结果 表明:在目标检测方面,LSRCEM-YOLO的mAP值达到了92.3％,模型参数量仅为YOLO v3的10％,相比YOLO v3-tiny也降低了31.34％;在肉牛重识别方面,采用基于调整感受野的Mudeep模型,获得了更多的多尺度特征,其Rank-1指标达到了96.5％;多目标跟踪的多目标跟踪准确率相对于DeepSORT算法从32.3％提高到了45.2％,ID switch次数降低了69.2％.本文方法可为实际环境下的肉牛行为实时跟踪、行为感知提供技术参考.