面向智慧交通的车辆检测跟踪算法优化与超速风险管理推广思考

eTrack作为车辆跟踪基础模型。ByteTrack算法通过两次关联策略，提高了跟踪的完整性和准确性。但是当目标的运动状态为非线性，此时使用卡尔曼滤波将会难以对跟踪目标进行准确预测，因此引入结合长短期记忆网络（LSTM）的ByteTrack混合预测模型。相较于原始模型，改进后的算法模型在跟踪准确率提升10.3%，帧率提升63.1%，身份切换减少11.8%，提升了在复杂场景下的跟踪鲁棒性。

参考文献（略）