(1)提出了用千高密度场景的YOLO_Free 检测算法以实现高密度交通场景下的多目
标检测。使用了多分支结构的无铀框预测方式对目标进行检测解决了高密度目标检测性
能不足的问题；使用了双随机遮挡填充的方式解决了高密度交通场景稀少遮挡导致的模
型泛化性不足的问题；使用了DloU损失函数， 解决了交通场景中对象距离过近导致的检
测效果差的问题。
(2) 提出了联合YOLO_Free 检测算法的多目标跟踪算法以实现高密度交通场景下的
实时多目标跟踪。使用了基千Transformer 结构的身份ID 映射方法解决了目标移动不确定
性的问题；使用了历史外观特征对当前外观进行修正解决了遮挡导致的外观缺失的问题；
使用了低置信度检测框进行二次关联解决了漏检导致的身份切换次数较高的问题；使用
了Transfom记r 线性化加速解决了模型计算速度慢的问题。
(3) 基千课题组江大智能行2号实车测试平台开展性能测试以验证算法的可行性。
代码基千python3.8 和C++实现， 深度学习构建框架为Pytorchl.8.0, 使用了Ubuntul8.04
的操作系统， 开发调试工具为Pycharm, 使用了
