基于貝葉斯估計的低空對地多車輛跟蹤方法.pdf

1、隨著機(jī)動車數(shù)量的不斷增加，城市交通擁堵問題日益嚴(yán)重，傳統(tǒng)的人工監(jiān)控已經(jīng)不能滿足城市發(fā)展的需要。因此，發(fā)展智能交通監(jiān)控系統(tǒng)至關(guān)重要。車輛跟蹤技術(shù)是交通監(jiān)控系統(tǒng)的重要組成部分，其目的是在視頻序列中持續(xù)不斷地定位移動車輛。近年來，低空對地車輛跟蹤系統(tǒng)吸引了許多研究人員的關(guān)注，其核心是利用安裝在無人飛機(jī)上的傳感器去獲取交通信息，再利用圖像處理技術(shù)、計算機(jī)視覺等技術(shù)去跟蹤目標(biāo)車輛，達(dá)到監(jiān)控交通的目的。與攝像頭安裝在路邊建筑物的靜態(tài)跟蹤系統(tǒng)相比，低

2、空對地車輛跟蹤系統(tǒng)具有機(jī)動性高、維護(hù)成本低和監(jiān)控范圍大等優(yōu)點。但是，由于平臺的運動性和車輛運動的不確定性，低空對地車輛跟蹤系統(tǒng)的設(shè)計仍然是一個具有挑戰(zhàn)性的難題。
　　 本文以低空對地多車輛跟蹤為研究對象，引入部分車輛之間的關(guān)聯(lián)特性，提出了一種基于貝葉斯估計的低空對地多車輛跟蹤方法。
　　 首先，由于低空對地多車輛跟蹤過程中環(huán)境復(fù)雜，目標(biāo)較多，對每個目標(biāo)進(jìn)行單獨跟蹤速度并不理想；同時，當(dāng)前的成組跟蹤方法并沒有對分組結(jié)構(gòu)進(jìn)行

3、更新。因此，本文提出了一種基于卡爾曼濾波和分組策略的低空對地多車輛跟蹤方法。這個方法包括兩層結(jié)構(gòu)：高層跟蹤器根據(jù)車輛的狀態(tài)信息計算目標(biāo)之間的相關(guān)性，基于相關(guān)性實現(xiàn)目標(biāo)車輛的分組，每個小組被獨立地跟蹤；同時實時更新目標(biāo)車輛的狀態(tài)信息，實現(xiàn)小組的動態(tài)分割和合并。底層跟蹤器由卡爾曼濾波和直方圖匹配算法構(gòu)成，負(fù)責(zé)對目標(biāo)的預(yù)測和定位并獲取它們的狀態(tài)信息。通過兩層跟蹤器的結(jié)合，目標(biāo)車輛被分為不同的小組進(jìn)行跟蹤，大大減少了攝像機(jī)抖動造成的影響，提高了

4、多車輛跟蹤的效率，實現(xiàn)了精確度和速度的平衡。
　　 其次，分組跟蹤方法仍然需要對每個小組進(jìn)行獨立的跟蹤。為了進(jìn)一步改進(jìn)系統(tǒng)的效率，本文引入視覺關(guān)注機(jī)制，將粒子濾波算法與改進(jìn)的卡爾曼濾波算法進(jìn)行融合，實現(xiàn)對車輛的整體跟蹤?；谝曈X顯著度判定車輛跟蹤難易程度將濾波器分為兩類：第一類是獨立的，即對于容易跟蹤的車輛，本文用單獨的濾波器獨立跟蹤；第二類是非獨立的，即對于較難跟蹤的車輛，借助于第一類的結(jié)果來簡化跟蹤過程，提高精確度。結(jié)合濾波