基于改进YOLOv7-ByteTrack的鸵鸟多目标跟踪研究  

作　　者：卢海涛 伍鹏[1] 

机构地区：[1]长江大学电子信息与电气工程学院,湖北荆州434000

出　　处：《电脑知识与技术》2025年第1期5-11,共7页Computer Knowledge and Technology

摘　　要：鸵鸟养殖作为现代畜牧业的重要组成部分,全球的养殖规模正逐年以15%左右的速度增长。鸵鸟多目标跟踪技术在提升养殖管理效率和精准度方面具有重要作用。然而,目前针对鸵鸟的多目标跟踪算法在目标检测精度和跟踪稳定性上仍存在不足,尤其是在处理小目标和高密度目标场景时容易出现漏检与跟踪丢失问题。为解决上述问题,文章提出了一种基于YOLOv7与ByteTrack的多目标跟踪算法。该算法在YOLOv7主干网络中引入注意力机制EMCA,显著提升了对小目标的感知能力;在ByteTrack算法中,帧内关系模块结合匈牙利算法实现高效目标关联,减少漏检和身份切换的几率。实验结果表明,该算法相较于原始YOLOv7在处理速度上提升了7.9%,跟踪准确性(MOTA)在多个关键指标上均有显著提升:相较于DeepSORT和DeepMOT分别提高了13.3%和10%。此外,ByteTrack算法在避免跟踪丢失方面表现尤为突出。该研究为现代化鸵鸟养殖提供了高效可靠的多目标跟踪技术支持,具有重要的实际应用价值,为推动智能化畜牧业发展提供了参考。

关 键 词：畜牧业 鸵鸟养殖 计算机视觉 目标检测与跟踪 YOLOv7 ByteTrack 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]