点击蓝字 关注我们
Safety in Coal Maines
安徽理工大学：李敬兆教授研究团队|基于改进YOLOv7和ByteTrack的煤矿多目标人员跟踪算法
作者
瞿鹏程1，李敬兆1，刘泽朝2
单位
1.安徽理工大学 人工智能学院，安徽 淮南 232001
2.国家能源集团新疆能源有限责任公司，新疆 乌鲁木齐 830027
摘要
为了解决现有的目标跟踪算法在煤矿复杂环境下存在精度低和实时性差的问题，基于Tracking by Detection（TBD）范式，提出了YOLO-FasterNet+ByteTrack的煤矿人员跟踪算法。首先，构建FasterNet-Block特征提取模块改进YOLOv7的Backbone，提升目标检测阶段的实时性；然后，通过在Neck中引入CBAM注意力机制，提升模型在复杂场景下的特征感知能力；接着，在目标检测的解码阶段引入Soft-NMS，优化模型在人员交叠场景下的检测精度；最后，在目标跟踪阶段，针对人员重叠和遮挡导致的目标ID翻转问题，设计了一种融合GRU和卡尔曼滤波的多目标运动特征预测机制，有效提升了煤矿人员跟踪的准确性。实验结果表明：YOLO-FasterNet在煤矿人员数据集上相对于YOLOv7的平均精度提高了3.6%，检测速度提升了8.2FPS；在自定义跟踪数据集GBMOT上，所提目标跟踪算法相对于ByteTrack，MOTA值提升了1.7%，IDSW减少了149次。
作者简介
作者简介：瞿鹏程（1998—），男，安徽铜陵人，硕士研究生，研究方向为多目标检测与跟踪。
通讯作者：李敬兆（1964—），男，安徽淮南人，教授，博士研究生导师，博士，从事视频AI分析、工业互联网技术、智能控制等方面的教学与研究工作。
本文引用格式
瞿鹏程 ，李敬兆 ，刘泽朝 . 基于改 进YOLOv7和ByteTrack的煤矿多目标人员跟踪算法[J].煤矿安全，2025，56（1）：195−205.
QU Pengcheng, LI Jingzhao, LIU Zechao. Multi-target personnel tracking algorithm for coal mine based onimproved YOLOv7 and ByteTrack[J]. Safety in Coal Mines, 2025, 56（1）: 195−205.
往期回顾
