Object Detection in Video Frames with Timestamping

doi:10.1007/978-3-032-05545-3_17

2026-01-01

PRE

Suketha

Naik, Prajwal Prakash

Lasrado, Deelan

Gowda, Swasthik P.

Raafee, Mohammad Ihthisham *

DOI：10.1007/978-3-032-05545-3_17

原文链接

原文求助

摘要

En 中文

目标检测与跟踪是计算机视觉领域的核心任务，特别是在需要实现多目标实时检测、定位与跟踪的场景中，对时间精度要求较高。现有模型如YOLO和Faster R-CNN虽有效，但在计算效率和实时性能方面常面临挑战。本研究提出了一种先进方法，结合YOLOv5进行快速目标检测、DeepSORT实现精确目标跟踪，以及transformers提升上下文理解能力。通过利用YOLOv5的快速检测能力、DeepSORT的深度外观特征及transformers的注意力机制，本系统显著提升了检测与跟踪精度，尤其在密集复杂环境中表现优异。此外，引入EfficientDet以提高检测精度，并采用BERT增强查询理解与目标匹配的鲁棒性。该组合在保证高计算效率的同时提升精度，适用于自动驾驶和监控等实时应用。本研究提出的方案有效克服了传统模型的局限性，构建了兼具鲁棒性与高精度的实时目标检测与跟踪系统。在自定义监控视频数据集上，系统平均检测精度达94.48%，跟踪精度为90.7%，且实时处理速度达到42 FPS（帧/秒），使其成为自动驾驶和监控等应用的理想选择。

Keyword:

Object detection

YOLO algorithm

Real-time video processing

Timestamping

Multi-class object classification

Video analytics

DeepSORT

Transformers

BERT

EfficientDet