面向车辆跟踪的CNN粒子滤波算法研究

发布时间：2024-05-27 02:31

　　随着我国经济的快速发展,私家车的数量出现了爆发式的增长,人们在得到便利的同时也出现了许多交通问题,伴随深度学习与大数据相关技术的出现,相关交通问题有望得以解决。未来智能交通的发展,如何在海量视频中以及道路交通场景比较复杂的情况下,准确找到目标车辆至关重要,并且针对各种实际场景跟踪车辆,实时性与准确率一直是研究的难点。本文提出一种基于CNN特征提取的粒子滤波跟踪算法,解决跟踪出现的鲁棒性与实时性问题,提高跟踪的准确率。首先研究了卷积神经网络模型,采用CNN进行特征提取,并改进其特征提取方法,针对传统池化算法特征提取单一、灵活性不足的缺点,提出一种混沌变尺度萤火虫池化算法,即将混沌变尺度萤火虫算法引入池化算法,不断优化池化参数,直至收敛,使其具备一定的灵活性,改进算法能克服原池化算法固有的缺点。其次使用Faster-RCNN检测方法进行特征提取与目标检测。利用改进CNN算法获得卷积特征图并加入到RPN网络中,对其进行处理,用于寻找可能包含目标的建议区域,利用目标分数对建议区域框进行筛选,之后对区域内的目标类型进行分类判别,并对属于某一特征的预选框回归,进一步调整其位置。最后采用Mean S...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图2-1相关滤波器跟踪模型

哈尔滨理工大学工学硕士学位论文-7-假设核回归模型，如式(2-4)所示：T1()(,)niiifxwzakzx(2-4)系数可以利用循环矩阵的特性获得，如式(2-5)：*()xxyak(2-5)其中，f()为函数f()的傅里叶变换，xxk为核循环矩阵的首行。在检测中所要检测的样本....

图2-2MeanShift示意图

哈尔滨理工大学工学硕士学位论文-8-然而，相关滤波只能根据目标区域响应的最大值来定位目标，这会导致当环境复杂出现各种干扰时，获得到的响应一般是不可靠的，并且会使追踪功能下降。2.1.2均值偏移算法概述MeanShift算法是一种核密度估计法[37]，本身是一个迭代部分，完全依靠特....

图2-3MeanShift迭代结果示意图

哈尔滨理工大学工学硕士学位论文-9-图2-3MeanShift迭代结果示意图Fig.2-3MeanShiftiterationresultdiagram其中，x是圆的中心，半径为h。ix表示落在球内的点，定义规则如下。(1)x和ix的像素点颜色越是相似，就认为概率密度越大。(2)....

图2-4MeanShift目标跟踪算法流程图

哈尔滨理工大学工学硕士学位论文-10-归一化；(4)计算候选区域和目标区域间的相似度；(5)计算新的目标位置，判断均值移位迭代条件，若是满足迭代条件，则获取新的位置，否则更新当前帧起始，并继续迭代；(6)确定倒数第一个图像文件是否已被获取，如果没有，返回步骤(3)继续追踪，反之，....

本文编号：3982648