|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
随着社会经济的快速发展，特别是城市化进程的加快，“智慧城市”建设方兴未艾。作为“智慧城市”的重要组成部分，智能交通系统将成为城市道路交通管理的有效抓手。交通场景下的车辆目标跟踪是智能交通监控的关键题目之一。为了满足这样的应用需求，综合了图像处理、模式识别、概率论与数理统计、最优化理论以及控制理论等学科的视觉跟踪技术成为当前研究的热点。在视觉跟踪中，需要处理很多实际题目：如何建立有效的表观模型，在合理地描述目标的同时也能较好地区分背景；如何选取快速高效的跟踪推理算法以满足部分实时性要求；如何处理多目标跟踪时的遮挡题目等等。因此，本文着眼于上述题目，着重在车辆目标表观建模、目标定位算法改进和有效处理跟踪中的遮挡等方面展开研究。具体研究内容包括：1、提出了基于层次化粒子滤波的车辆目标跟踪方法CAM-LPF。其基本思想是将CamShift嵌入粒子滤波框架，通过改变粒子滤波的采样策略，进行有限次CamShift迭代，实现对车辆目标的鲁棒跟踪。根据车辆目标运动特点建立运动状态模型，采用二元线性回归预测车辆的运动状态期望，并给出了多车辆目标情况下的状态模型。在对车辆目标表观建模时，提出了局部积分方向描述子，作为HSV颜色特征的补充，以更好地表达车辆目标的表观特性。为避免粒子滤波在计算时出现“样本穷竭”现象，提出了层次化的采样策略，既强调了粒子的集中性又考虑粒子的多样性，使粒子能更好地表达后验概率密度，克服了“样本穷竭”现象。实验通过在真实交通场景下对车辆目标的跟踪，验证了本方法的鲁棒性和计算效率。2、提出了基于改进的颜色相关图特征的车辆目标跟踪方法IC2-PF。由于传统的颜色直方图缺少空间信息，车辆目标在空间上的先验知识无法得到充分的利用。通过分析颜色相关图的特性，对其进行改进，以代替传统的颜色直方图作为车辆目标的视觉特征。在跟踪过程中，将车辆目标划分为交叠的子区域，然后根据颜色相关图中像素对间距和颜色空间量化程度对计算复杂度的影响，采用了固定比例调整的像素对间距离参数，以确保颜色相关图所反映的车辆目标的纹理特征在跟踪时得以充分表达。采用颜色相关图的上三角阵代替完整的颜色相关图矩阵建立车辆目标的表观模型，在满足粒子滤波跟踪框架中表观模型与状态模型的关联关系的前提下，一定程度上降低了计算复杂度。实验通过在真实交通场景下对车辆目标的跟踪，通过与基于颜色直方图特征的粒子滤波算法的比较，验证了本方法的鲁棒性。3、提出一种自适应的多视觉特征融合跟踪算法AIMF-PF。利用民主融合策略进行信息融合，该策略能根据信息在当前场景的可靠性调整它们的加权，可发挥各中视觉特征的优点，适合于动态变化的场景。将民主融合策略嵌入到粒子滤波跟踪框架中，利用粒子滤波对于复杂场景、遮挡的稳定性，设计稳健有效的跟踪算法。同时，我们分析在粒子滤波跟踪过程中模型更新过程中出现“模型漂移”题目的原因，为了避免这种现象须阻止将错误的信息引入到目标模型中，模型更新应该只在可靠跟踪的情况下才能进行，并且能够根据跟踪的可靠性调整其更新的速度。通过在真实交通场景的视频监控数据进行实验，结果表明使用该方法对车辆目标的平移、转动、部分遮挡、光照变化以及相似车辆干扰等情况下的跟踪结果均优于仅使用单一视觉特征的跟踪算法。4、为了解决多车辆目标跟踪中的遮挡题目，提出了基于图割的多车辆目标跟踪遮挡处理方法SMOG-GC。其基本思想是：为每个车辆目标建立SMOG模型，并将车辆目标跟踪分成两种情形：当车辆目标间没有发生相互遮挡时，使用独立的基于SMOG的跟踪器获得可靠的跟踪结果；当遮挡发生时，则使用图割算法最小化扩展的能量函数。首先对车辆目标的运动进行动态预测，并将车辆目标的遮挡部分作为预测的子集。考虑到直接将从前帧学习得到的SMOG模型结合到基于图割的分割算法可能引起的模型偏移，在分割前先根据车辆目标的轨迹替换SMOG模型。然后，建立一个双标签的能量函数，并使用图割算法最小化该能量函数，实现对发生遮挡的多车辆目标的跟踪。通过真实交通场景的视频监控数据验证了本方法，实验结果表明该方法可有效处理多车辆目标跟踪时出现的部分遮挡、大面积遮挡甚至完全遮挡。 |
上一篇：高清数字电视软件设计与实现下一篇：网络电视台制播系统的设计
|
发表于 2022-9-6 15:35:25
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
