无人机视频车辆跟踪算法研究

论文摘要

鉴于现有算法在复杂环境下易造成目标跟踪丢失的问题,为研究精准高效的车辆跟踪算法,实现无人机视频交通参数提取,将传统KCF(核相关滤波)算法中的固定尺度检测窗口替换为多尺度检测窗口,提出多尺度KCF优化算法;与CamShift算法和KCF算法的对比结果表明,在不同场景下多尺度KCF优化算法的跟踪效果均优于其他两种算法,在目标遮挡和存在阴影的情况下表现更优异,具有较强的鲁棒性和适用性。

论文目录

• 1 跟踪算法研究现状
•   1.1 CamShift跟踪算法
•     1.1.1 CamShift算法跟踪原理
•     1.1.2 颜色空间特征提取
•     1.1.3 MeanShift迭代跟踪
•     1.1.4 算法评价
•   1.2 KCF跟踪算法
• 2 多尺度KCF优化算法
•   2.1 算法的主要流程 （见图5）
•   2.2 HOG特征提取
•   2.3 样本训练
•   2.4 快速检测
• 3 跟踪算法结果对比
•   3.1 实验方案
•   3.2 跟踪效果对比
•   3.3 量化分析对比
• 4 结语

文章来源

类型: 期刊论文

作者: 李少博,马立,蔡晓禹,彭博

关键词: 交通安全,跟踪算法,无人机视频,核相关滤波

来源: 公路与汽运 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 重庆交通大学交通运输学院,山地城市交通系统与安全重庆市重点实验室,重庆市公安局渝北区公安分局交通巡逻警察支队

基金: 国家自然科学基金青年科学基金项目(61703064),重庆市技术创新与应用示范项目-社会民生类重点研发项目(cstc2018jscx-mszd0554),重庆市技术创新与应用示范项目-社会民生类一般项目(cstc2018jscx-msybX0295)重庆市基础科学与前沿技术研究专项项目(cstc2017jcyjAX0473),城市交通管理集成与优化技术公安部重点实验室开放课题(2017KFKT01)

分类号: U495;TP391.41

页码: 33-38+61

总页数: 7

文件大小: 732K

下载量: 228