基于视频流的车辆跟踪算法的研究与应用

发布时间：2024-05-27 00:00

　　目标跟踪是计算机视觉领域多年来研究的热点及难点。尽管近年来取得了实质性的进展,但即使是目前最先进的多目标跟踪算法,仍然受到形变、背景干扰、目标间交互遮挡等影响。在城市交通场景中,对车辆等运动目标的跟踪可以为交通监控系统提供智能化操作。本文研究使用单目标跟踪器结合数据关联,实现多目标跟踪任务,并将其应用于交通监控场景。最后,依据跟踪结果对车辆轨迹进行分析聚类。本文针对运动车辆,分别设置独立的单目标跟踪器,减少跟踪系统对检测器的依赖。在单目标跟踪算法中,车辆特征的提取是关键的一步。本文研究并采用基于深度模型的车辆表观特征,提升算法鲁棒性与精确度。本文认为短时间内的车辆轨迹,可以拟合成一个简单曲线。以此为根据,提出一种预测车辆运动方向与距离的方法,减少系统计算量,提升运算速度。同时针对单目标跟踪器存在的漂移问题,研究使用最大相关响应值与峰值旁瓣比结合作为跟踪置信度,控制滤波模板的更新,提升跟踪性能。最后通过对比实验,证明了优化后单目标跟踪器的优秀性能。以性能优秀的单目标跟踪器为基础,为了解决多目标间的匹配问题,本文根据孪生网络学习到的车辆表观特征,使用余弦相似度度量进行匹配。对同一个车辆目标...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 单目标跟踪算法研究现状
        1.2.2 多目标跟踪算法研究现状
    1.3 论文的主要研究内容
    1.4 论文的结构安排
第2章 相关理论及关键技术的研究
    2.1 深度学习的基本原理
        2.1.1 深度学习与卷积神经网络
        2.1.2 孪生网络
    2.2 单目标跟踪算法
        2.2.1 目标特征的提取
        2.2.2 相关滤波跟踪方法
    2.3 多目标跟踪算法
        2.3.1 相似度度量方法
        2.3.2 数据关联方法
    2.4 本章小结
第3章 单目标跟踪算法的研究
    3.1 基于相关滤波的单目标跟踪算法
    3.2 基于深度特征的单目标跟踪器
        3.2.1 基于深度模型的特征提取
        3.2.2 位置预测
        3.2.3 跟踪置信度
    3.3 实验结果与分析
    3.4 本章小结
第4章 多车辆跟踪算法的研究与轨迹分析
    4.1 多车辆跟踪算法
        4.1.1 结合表观特征与位置特征的二次匹配
        4.1.2 单目标跟踪器结合数据关联
    4.2 车辆运动状态的定义与更新
        4.2.1 跟踪器的运动参数
        4.2.2 运动状态的更新与转换
    4.3 基于轨迹的车辆行为分析
    4.4 实验结果与分析
    4.5 本章小结
第5章 车辆跟踪与轨迹分析系统的设计与实现
    5.1 需求分析
    5.2 系统设计
        5.2.1 系统结构设计
        5.2.2 车辆跟踪模块设计
        5.2.3 车辆轨迹分析模块
    5.3 车辆跟踪系统的实现
    5.4 本章小结
结论
参考文献
攻读硕士学位期间取得的研究成果
致谢



本文编号：3982480