无人机视频车辆跟踪算法研究
|
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。
引文
[1]杨洪.城市交通动态研判应用技术研究[D].成都:西南交通大学,2013.
[2]傅贵.城市智能交通动态预测模型的研究及应用[D].广州:华南理工大学,2014.
[3]彭博,张有节,蔡晓禹,等.基于无人机的交通监控研究现状与展望[A].中国智能交通年会论文集[C].2016.
[4]林日三.多特征融合的粒子滤波跟踪算法研究[D].西安:西安电子科技大学,2015.
[5]仲莉恩.视频目标阴影消除与跟踪技术研究[D].北京:华北电力大学,2010.
[6]王楚.有遮挡情况下的视频目标跟踪算法研究及实现[D].杭州:浙江工业大学,2016.
[7]程旭.复杂场景下的目标跟踪算法研究[D].南京:东南大学,2015.
[8]杨勋.复杂场景下单目标视觉跟踪算法研究[D].合肥:合肥工业大学,2014.
[9]Henriques J F,Rui C,Martins P,et al.Exploiting the circulant structure of tracking-by-detection with kernels[A].Proceedings of the 12th European Conference on Computer Vision(Volume PartⅣ)[C].2012.
[10]Danelljan M,Khan F S,Felsberg M,et al.Adaptive color attributes for real-time visual tracking[A].IEEE Conference on Computer Vision and Pattern Recognition[C].2014.
[11]Kalal Z,Mikolajczyk K,Matas J.Tracking-learningdetection[J].IEEE Transactions on Pattern Analysis&Machine Intelligence,2012,34(7).
[12]肖庆国,叶庆卫,周宇,等.基于Mean-Shift优化的TLD视频长时间跟踪算法[J].计算机应用研究,2015,32(3).
[13]Joao F Henriques,Rui Caseiro,Pedro Martins,et al.High-speed tracking with Kernelized Correlation Filters[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2014,37(3).
[14]李道凯,原达,王晓静.基于Mean shift和轨迹预测的目标跟踪算法[J].计算机工程与设计,2012,33(6).
[15]Zhang K,Song H.Real-time visual tracking via online weighted multiple instance learning[J].Pattern Recognition,2013,46(1).
[16]David A Ross,Jongwoo Lim,Ruei-Sung Lin,etal.Incremental learning for robust visual tracking[J].International Journal of Computer Vision,2008,77(1~3).
[17]刘双.动态融合梯度信息的Camshift算法改进研究[J].无线互联科技,2014(4).
[18]黄斌.基于粒子滤波的视频目标跟踪方法研究[D].成都:电子科技大学,2008.
[19]刘喆.基于计算机视觉的运动车辆检测与跟踪算法研究[D].北京:北京工业大学,2009.
[20]孙恩情.监控视频摘要提取与展示技术[D].青岛:青岛理工大学,2015.
[21]沈梦叶.基于DIM3517的视频人脸检测算法研究[D].杭州:杭州电子科技大学,2014.
[22]王书玲.基于卡尔曼滤波的视频跟踪技术的研究及应用[D].天津:河北工业大学,2011.
[23]王长江,胡元,梁允魁.基于Kalman滤波算法的视频跟踪技术在交通道路中的应用[J].科技信息,2010(34).
[24]坎启娇.基于多特征融合的多目标跟踪算法[D].天津:河北工业大学,2015.
[25]辛军.基于视频流的人群目标识别和跟踪的研究[D].沈阳:东北大学,2011.
[26]肖庆云.复杂场景下运动目标检测与跟踪算法研究[D].厦门:厦门大学,2013.
[27]王文涛.基于智能监控下的车辆检测与跟踪[D].长沙:湖南大学,2014.
[28]胡强.基于Adaboost的多摄像机协同跟踪方法研究[D].哈尔滨:哈尔滨工程大学,2016.
[29]吕韵秋,刘凯,程飞.基于点轨迹的核相关滤波器跟踪算法[J].通信学报,2018(6).
[30]于蕾,王萌萌,刘立,等.基于核相关滤波器的TLD目标跟踪算法[J].应用科技,2018,45(1).
[31]邵博,熊惠霖,郁文贤.基于核相关滤波器的无人机目标跟踪算法[J].信息技术,2017(11).
[32]余礼杨.基于核化相关滤波器的目标跟踪技术研究及应用系统[D].北京:北京邮电大学,2016.
[33]魏运.道路移动视觉环境感知中的多目标识别与跟踪方法研究[D].南京:东南大学,2013.
[34]李婷婷.基于主题模型的SAR图像分类[D].西安:西安电子科技大学,2013.
[35]余礼杨,范春晓,明悦.改进的核相关滤波器目标跟踪算法[J].计算机应用,2015,35(12).
[36]阮体洪.基于交通视频的车辆检测和车辆行为识别研究[D].杭州:浙江工业大学,2015.
[37]岳求生.基于特征融合的静态图像行人检测[D].长沙:长沙理工大学,2014.
[38]石君友.测试性试验验证中的样本选取方法研究[D].北京:北京航空航天大学,2004.
[2]傅贵.城市智能交通动态预测模型的研究及应用[D].广州:华南理工大学,2014.
[3]彭博,张有节,蔡晓禹,等.基于无人机的交通监控研究现状与展望[A].中国智能交通年会论文集[C].2016.
[4]林日三.多特征融合的粒子滤波跟踪算法研究[D].西安:西安电子科技大学,2015.
[5]仲莉恩.视频目标阴影消除与跟踪技术研究[D].北京:华北电力大学,2010.
[6]王楚.有遮挡情况下的视频目标跟踪算法研究及实现[D].杭州:浙江工业大学,2016.
[7]程旭.复杂场景下的目标跟踪算法研究[D].南京:东南大学,2015.
[8]杨勋.复杂场景下单目标视觉跟踪算法研究[D].合肥:合肥工业大学,2014.
[9]Henriques J F,Rui C,Martins P,et al.Exploiting the circulant structure of tracking-by-detection with kernels[A].Proceedings of the 12th European Conference on Computer Vision(Volume PartⅣ)[C].2012.
[10]Danelljan M,Khan F S,Felsberg M,et al.Adaptive color attributes for real-time visual tracking[A].IEEE Conference on Computer Vision and Pattern Recognition[C].2014.
[11]Kalal Z,Mikolajczyk K,Matas J.Tracking-learningdetection[J].IEEE Transactions on Pattern Analysis&Machine Intelligence,2012,34(7).
[12]肖庆国,叶庆卫,周宇,等.基于Mean-Shift优化的TLD视频长时间跟踪算法[J].计算机应用研究,2015,32(3).
[13]Joao F Henriques,Rui Caseiro,Pedro Martins,et al.High-speed tracking with Kernelized Correlation Filters[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2014,37(3).
[14]李道凯,原达,王晓静.基于Mean shift和轨迹预测的目标跟踪算法[J].计算机工程与设计,2012,33(6).
[15]Zhang K,Song H.Real-time visual tracking via online weighted multiple instance learning[J].Pattern Recognition,2013,46(1).
[16]David A Ross,Jongwoo Lim,Ruei-Sung Lin,etal.Incremental learning for robust visual tracking[J].International Journal of Computer Vision,2008,77(1~3).
[17]刘双.动态融合梯度信息的Camshift算法改进研究[J].无线互联科技,2014(4).
[18]黄斌.基于粒子滤波的视频目标跟踪方法研究[D].成都:电子科技大学,2008.
[19]刘喆.基于计算机视觉的运动车辆检测与跟踪算法研究[D].北京:北京工业大学,2009.
[20]孙恩情.监控视频摘要提取与展示技术[D].青岛:青岛理工大学,2015.
[21]沈梦叶.基于DIM3517的视频人脸检测算法研究[D].杭州:杭州电子科技大学,2014.
[22]王书玲.基于卡尔曼滤波的视频跟踪技术的研究及应用[D].天津:河北工业大学,2011.
[23]王长江,胡元,梁允魁.基于Kalman滤波算法的视频跟踪技术在交通道路中的应用[J].科技信息,2010(34).
[24]坎启娇.基于多特征融合的多目标跟踪算法[D].天津:河北工业大学,2015.
[25]辛军.基于视频流的人群目标识别和跟踪的研究[D].沈阳:东北大学,2011.
[26]肖庆云.复杂场景下运动目标检测与跟踪算法研究[D].厦门:厦门大学,2013.
[27]王文涛.基于智能监控下的车辆检测与跟踪[D].长沙:湖南大学,2014.
[28]胡强.基于Adaboost的多摄像机协同跟踪方法研究[D].哈尔滨:哈尔滨工程大学,2016.
[29]吕韵秋,刘凯,程飞.基于点轨迹的核相关滤波器跟踪算法[J].通信学报,2018(6).
[30]于蕾,王萌萌,刘立,等.基于核相关滤波器的TLD目标跟踪算法[J].应用科技,2018,45(1).
[31]邵博,熊惠霖,郁文贤.基于核相关滤波器的无人机目标跟踪算法[J].信息技术,2017(11).
[32]余礼杨.基于核化相关滤波器的目标跟踪技术研究及应用系统[D].北京:北京邮电大学,2016.
[33]魏运.道路移动视觉环境感知中的多目标识别与跟踪方法研究[D].南京:东南大学,2013.
[34]李婷婷.基于主题模型的SAR图像分类[D].西安:西安电子科技大学,2013.
[35]余礼杨,范春晓,明悦.改进的核相关滤波器目标跟踪算法[J].计算机应用,2015,35(12).
[36]阮体洪.基于交通视频的车辆检测和车辆行为识别研究[D].杭州:浙江工业大学,2015.
[37]岳求生.基于特征融合的静态图像行人检测[D].长沙:长沙理工大学,2014.
[38]石君友.测试性试验验证中的样本选取方法研究[D].北京:北京航空航天大学,2004.