摘要：针对行驶中的车辆易受阴影及相似车辆的影响问题,提出了一种基于卡尔曼滤波的区域特征融合车辆跟踪算法。算法首先借鉴空间金字塔匹配模型将车辆在空间上进行划分,然后将颜色特征、局部三值模式纹理特征和Hu不变矩特征进行加权融合,提取车辆各区域信息,最后引入卡尔曼滤波对目标车辆的运动趋势进行预测。实验结果显示,该算法在目标车辆受阴影及特征相似车辆干扰时,能够有效区分目标与背景,实现正确跟踪。

摘要：研究了复杂道路环境下识别模型中的参数量大,以及在遇到遮挡时利用SORT算法追踪目标时易出现的ID切换问题。在识别模型上,设计了一款基于YOLOv5的轻量化模型,使用MobileNetV3轻量级网络优化原网络结构,以减少模型参数。参数的减少可能会导致模型精度的下降,在特征融合网络的末端加入CA注意力机制,以提高模型的特征提取能力,并在Head层将原本CIOU Loss函数替换为EIOU Loss函数。在追踪算法上,SORT算法引入马氏距离公式与最小余弦公式,以实现SORT模型在遇遮挡时保持前后ID信息一致。结果显示,优化后的YOLOv5平均精度(mAP50)为89.3%,与优化前相比,模型平均精度在下降2.7%的同时,模型参数量减少了49.4%,大幅降低了模型复杂度。优化后的SORT算法在遇遮挡时能顺利完成目标的重检测,实现了一致的跟踪ID。

摘要：为了提升道路交通流检测精度,本文提出了一种基于路侧毫米波雷达的群体车辆识别与跟踪方法。首先,基于预处理后的城市多车道主干路交通流毫米波雷达检测数据,提出了一种基于高斯核距离的带噪声密度空间聚类(DBSCAN)算法,实现对群体车辆所反射有效雷达信号的时空聚类;其次,提出了一种无迹卡尔曼滤波(UKF)和线性高斯混合概率假设密度(GMPHD)融合算法,以提升非线性运动群体车辆的跟踪精度;最后,在仿真和实际环境中进行算法测试,仿真结果验证了UK-GMPHD算法能够精准、稳定地跟踪非线性运动车辆。实测结果表明:基于核距离的DBSCAN算法能够有效改善经典算法特征向量的调参问题;与GMPHD算法对比,UKGMPHD算法对目标跟踪的距离、速度和角度均方根误差分别减少了21.03%、23.41%和20.67%。

摘要：提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法,设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域,构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除,并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内,利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明:算法的检测率为99.0%,误检率为1.3×10-4%,检测时间为57ms,检测率高,误检率低,检测时间短;与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比,本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。

摘要：采用一种基于像素的新方法来更新背景,同时将工作区域分为车辆检测和车辆跟踪两个部分,在车辆检测区建立跟踪对象,在车辆跟踪区仅仅对跟踪对象进行预测跟踪,从而减少了跟踪的盲目性和算法的计算量,提高算法精度。根据该算法设计的视频检测器已用于实际交通参数的采集,统计的结果表明该算法检测和跟踪的正确率分别高于96%和97%,并具有很好的实时性,能满足管理部门的需求。

摘要：复杂场景中的目标感知是深度学习在计算机视觉中最重要的研究领域之一,而复杂交通场景中的车辆检测与跟踪是当今众多学者研究的热点问题。在视频目标检测过程中由于运动物体的时间维度特征信息利用不充分,导致在长序列之间的时间特征极其容易被忽略,本文提出一种时空一致性的视频车辆的检测跟踪算法。该算法由双分支网络结构组成:分支一是由基于空间相关性的Transformer网络模块组成,该分支网络主要用于判断前后帧的相关性、感知相邻帧之间的一致性,预测目标车辆时空一致性的关联度;另一网络分支是由基于交叉特征金字塔融合的网络模块组成,该模块主要是提取检测对象的局部信息结合浅层的空间边缘信息和深层的语义特征信息,提取对象空间位置的特征信息。该网络结构将Transformer机制和交叉特征金字塔模块相结合,利用Transformer对长序列之间时间关联性敏感和特征金字塔网络模块对边缘信息敏感的特性,对视频帧对象进行检测和跟踪,确保相邻帧的长程相关性以及边缘和深层的特征信息深度融合。实验结果表明,本文设计的双分支网络结构在视频目标跟踪和检测中取得更好精度和更快的收敛速度;同时在显著性视频目标检测中,实验表明算法的有效性和泛化性。

摘要：实时车辆检测和跟踪是室外移动机器人尤其是智能汽车研究领域的一个重要课题。本文介绍了多功能室外移动机器人THMR-V的实时车辆检测和跟踪系统。该系统包括车道线检测和车辆检测和跟踪两个主要模块。车道线检测算法使用新的搜索策略,实时检测结构化道路区域,减少车辆检测算法搜索范围。车辆检测算法以Adaboost算法为基础,利用边缘方向特征,颜色特征,和对称性特征实现车辆检测。文中详细介绍了系统的实现。

摘要：车辆实时跟踪系统根据车站车辆移动规律,及时处理各车场车辆数据,与车站信息管理系统交换数据生成统计报表并集中维护。提出峰尾编组、尾部取送、尾部单钩溜放、尾部连续溜放、出发场甩挂以及其他车场和线路取送车作业的调车车辆实时跟踪方案。

摘要：针对智能交通对分布式智能视频监控的需求,设计了基于DM6446嵌入式系统的视频车辆检测跟踪系统。提出一套简单有效的车辆检测跟踪算法,包括自适应背景更新算法、基于边缘检测和最优双阈值分割融合的运动区域检测、改进的快速连通区域判断方法以及基于多特征的跟踪算法。同时,对DM6446平台软硬件及其开发方法进行介绍,并针对该平台介绍了如何移植和代码优化。最终通过在DM6446平台实际运行表明,该系统能实时有效地检测和跟踪车辆,具有较高准确率和稳健性。

摘要：Level 3级以下的智能驾驶系统对成本极为关注,因而主控芯片一般选择算力有限的车规级微控制器。为了保证微控制器中传感器融合算法运动预测的准确性并在设定的周期内结束运行,需要对滤波器的类型进行选择。文章从传感器融合算法的跟踪效果和计算耗时两个维度对比了线性卡尔曼、扩展卡尔曼、无迹卡尔曼及容积卡尔曼滤波器的优劣。为了确保对比的公正性和有效性,设定的跟踪目标车辆均按照美国城市道路循环工况运行,滤波器的设计均假定目标做匀加速运动。结果表明,4类滤波器的跟踪效果差异微小。线性卡尔曼滤波器计算耗时均值最小且最大计算耗时为0. 005 6 s,是文章推荐的适合于车辆目标跟踪的滤波器。