基于特征運動層分析與粒子濾波的低空對地車輛跟蹤方法.pdf

1、隨著我國經濟的快速發(fā)展，公路交通壓力逐漸加大，傳統(tǒng)的人工方式已逐漸難以滿足對路段進行監(jiān)控的實際需求，智能監(jiān)控系統(tǒng)因此應運而生。特別地，低空對地的監(jiān)控方式由于具有部署快、平臺運動性強、監(jiān)控范圍廣等優(yōu)點，越來越受到研究人員以及產業(yè)界的關注。其核心在于將攝像機等傳感設備安裝在無人駕駛飛機等空基平臺上，感知地面交通信息，再利用圖像處理、計算機視覺、機器學習等技術對獲取的信息進行處理，從而達到智能監(jiān)控的目的。然而，平臺與交通對象的雙重運動性、加之

2、場景復雜多變，這給低空對地的監(jiān)控帶來了巨大的技術挑戰(zhàn)。運動車輛跟蹤作為低空對地車輛監(jiān)控的一大核心任務，其目的在于連續(xù)地定位車輛在一個時間序列中的位置，獲取車輛的運動軌跡，從而為后續(xù)的軌跡分析、車輛異常行為檢測等奠定堅實的基礎。因此，低空對地運動車輛跟蹤研究具有較高的理論研究意義與實際應用價值。
　　 針對低空對地運動車輛跟蹤中存在的技術難題，本文提出了一種新的基于特征運動層分析與粒子濾波融合的跟蹤方法。
　　 (1)基于

3、Kanade-Lucas-Tomasi(KLT)特征，提出了一種基于特征運動層分析的車輛跟蹤方法。
　　 基于KLT特征的運動層分析方法實現車輛的跟蹤，在視頻起始處理時將背景的特征分離出來形成背景運動層。由于在一個動態(tài)視頻序列中，目標車輛的位置是未知的，通過配準和幀差分的方法檢測出待跟蹤車輛，從而初始化跟蹤目標?；跈z測出的待跟蹤目標車輛，采用由粗到精的方式將運動車輛上的特征映射到不同車輛運動層上，從而通過在幀之間維護車輛運動層

4、來實現車輛跟蹤。對比結果表明，相對于其他跟蹤方法，特征運動層分析在一定程度上能夠達到更好的跟蹤性能。
　　 (2)針對基于特征運動層分析的跟蹤方法中跟蹤速度太慢的問題，同時為了進一步提升跟蹤性能，提出了特征運動層分析與粒子濾波融合的車輛跟蹤方法。
　　 運動層分析由于引入了大量特征將產生巨大的計算開銷，為了提高跟蹤速度，可以減少特征個數；但特征個數的減小可能導致一些目標車輛上無法提取到特征，這將導致因無法構建車輛運動層而

5、使得相應車輛跟蹤失敗。針對這種情況，提出了特征運動層分析與粒子濾波融合的車輛跟蹤方法。在粒子濾波系統(tǒng)狀態(tài)模型中，將平臺運動特性引入到車輛狀態(tài)轉移方程中，從而消除平臺運動對跟蹤造成的影響；在粒子濾波測量模型中，采用了基于顏色相似度和Hu矩相似度相結合的方式對粒子權重進行賦值。結果表明，所設計的粒子濾波系統(tǒng)模型和測量模型能夠較好地克服平臺運動對跟蹤方法造成的不良影響；特征運動層分析與粒子濾波融合的車輛跟蹤方法能夠取得良好的跟蹤效果，更接近于