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。
文章预览
作者：张嘉辉，赵威，王子琛等 来源：《北京航空航天大学学报》 编辑：陈萍萍的公主@一点人工一点智能 原文：https://bhxb.buaa.edu.cn/bhzk/cn/article/doi/10.13700/j.bh.1001-5965.2022.0675 摘要： 将智能检测跟踪算法与无人机(UAV)的灵活性相结合是UAV应用的研究热点。针对UAV的视角及运动导致目标滑移和遮挡的问题，提出一种基于检测和重识别的UAV行人跟踪算法。 对训练好的YOLOv5进行TensorRT加速，解决UAV计算资源有限的问题；以量化加速的目标检测算法与重识别算法为基础，构建行人跟踪算法框架；设计判定行人匹配度，完成行人匹配系统设计。 仿真试验表明：训练后的YOLOv5和OSNet具备一定的精度，采用TensorRT加速后的YOLOv5网络在保证精度的情况下，帧率有了近50%的提升。飞行试验表明：所提算法在行人穿插及障碍物遮挡的情况下，可以实现对目标的稳定跟踪，
………………………………
