基于M-DBT框架的岩质边坡落石跟踪算法研究

来源：水利水运工程学报杂志 2024年第3期北京时间：

作者：高切,李登华,丁勇

摘要：边坡落石是一种常见的自然灾害，构建高效准确的落石监测方法对边坡安全监控十分重要。传统基于视频图像的落石监测方法缺乏对落石运动的关注。针对该问题，选取YOLOv5s和DeepSort模型，基于DBT框架，从框架、算法两个层面对模型进行改进，提出了基于M-DBT框架的落石跟踪算法。框架层面，基于Background Matting算法搭建了运动检测器，并融入原有的DBT框架中，依据运动检测结果动态调用落石跟踪算法，提出了M-DBT目标跟踪算法框架，提高了设备算力的使用效率。算法层面，基于CBAM注意力机制、ASPP空间金字塔池化、SIoU损失函数和Swin Transformer网络集成优化了YOLOv5s和DeepSort算法，提高了算法对落石特征的提取能力、预测框的准确率及检测目标ID分配精度。使用自建目标检测和图像分类数据集进行模型训练与试验，试验结果表明：基于M-DBT框架的落石跟踪算法与基于DBT框架的算法相比，能有效减少算力资源消耗（最高可减少21.5%）；改进后的YOLOv5s模型检测精度提高了8.4%，岩块检测准确率最高达87%；改进后DeepSort模型的跟踪精度提升了8.9%，跟踪准确率最高达84%。所提落石跟踪算法能够实现边坡落石的检测与跟踪，具有较强的实用价值。

关键词：边坡稳定, 落石监测, 运动检测, 目标识别, 目标跟踪