[发明专利]一种基于RYolov7的多目标车辆无人机跟踪检测方法

说明书

本发明涉及一种基于RYolov7的多目标车辆无人机跟踪检测方法，属于无人机跟踪检测技术领域。本发明通过改变yolov7基线算法，将Silu激活函数替换为Mish激活函数；其次，加入DCL角度预测方法和GWDIoU旋转框回归损失函数；最后，通过Kalman filter算法对旋转车辆目标进行状态预测，采用匈牙利算法对预测结果和特征结果构建的代价矩阵进行关联匹配，计算前后两帧之间的匹配程度，确定检测跟踪结果，为车辆目标分配ID，标记车辆行驶轨迹。本发明不仅解决了yolov7在遥感图像上检测性能不优的问题，还使得该算法在无人机遥感图像垂直检测上对目标定位更加精准。

技术领域

本发明属于无人机目标检测技术领域，涉及一种基于RYolov7的多目标车辆无人机跟踪检测方法。

背景技术

随着无人机技术的不断成熟，无人机获得的航空遥感图像具有宽阔的视野，可以在短时间内提供大面积开放区域的宝贵信息，高分辨率的航空遥感图像变得越来越容易获得，同时，计算机视觉领域的目标检测技术逐渐趋向成熟，被广泛应用在生产生活的各个方面。由于车辆数量的急剧上升，交通监测和管理已经变得非常复杂，特别是在城市地区，与交通有关的问题，如空气污染、交通堵塞中的时间损失和健康问题，对开发新的自动算法和充分的交通数据的需求有所增加。事实证明，基于航空遥感图像的车辆检测算法可以在不同的交通场景中提供频繁的、具有成本效益的车辆位置、数量和类型的信息，如基础设施瓶颈造成的拥堵、事故，甚至是停车位的缺乏等。由于交通的动态性，通过航空图像获得大规模的信息可以使交通管理更适应不断变化的交通状况，并有助于预测基础设施瓶颈；在灾害管理中，基于无人机航空图像的车辆检测可以快速定位交通拥堵和被遗弃的车辆，为有效的搜索和救援活动确定路线；此外，在发生洪水和地震等自然灾害时，航空遥感图像是检测受影响车辆的最有效手段。

现有许多公开的相关发明专利使用yolov5来对车辆目标进行高效检测和跟踪，比如公布号为CN114882393A，公布日为2022年8月9日的发明专利申请，即公开了一种基于目标检测的道路逆行与交通事故事件检测方法；公布号为CN115588126A，公布日为2023年1月10日的发明专利申请，即一种融合GAM、CARAFE和SnIoU的车辆目标检测方法等。以上方法只适用于自然场景下目标的水平检测，且算法性能不最优，而对于航空图像下的车辆目标具有旋转、易遮挡、有阴影等特点，需要有能解决以上问题的目标检测方法进行检测。然而上述的模型对无人机遥感图像中车辆目标检测只能输出水平矩形框，对旋转车辆目标的包裹性不强，检测效果不佳。

发明内容

有鉴于此，本发明的目的在于提供一种基于RYolov7的多目标车辆无人机跟踪检测方法，通过DCL角度预测分类方法，加入旋转角度损失，同时通过GWDIoU旋转框回归损失函数使模型收敛更快、定位更精准，最后通过加入deepsort多目标跟踪算法，将其与检测模型结合应用到无人机设备上进行多目标车辆的跟踪检测，快速获得交通车况及追踪定位涉险车辆。

为达到上述目的，本发明提供如下技术方案：

一种基于RYolov7的多目标车辆无人机跟踪检测方法，其包括以下步骤：

S1、将yolov7模型的Silu激活函数替换为Mish激活函数，提高yolov7模型进行目标车辆检测的性能；

S2、将DCL角度预测方法加入yolov7模型中；

S3、将GWDIoU旋转框回归损失函数加入yolov7模型中，提高无人机图像车辆目标检测精度；

S4、通过RYolov7检测网络对无人机拍摄的视频帧进行检测，获得正确检测的目标车辆框Detection boxes；

S5、通过卡尔曼滤波对旋转车辆目标进行状态预测，获得车辆目标跟踪框trackboxes；