基于相关滤波的车辆跟踪方法研究.pdfVIP

基于相关滤波的车辆跟踪方法研究

摘要

近些年，随着人工智能的发展，信息化交通技术给人们出行带来许多便利，例如智

慧化道路交通管理、智慧化交通出行和车辆辅助驾驶。随着近些年，智能汽车交通事故

的频发，人们对交通出行的安全性和可靠性开始担忧，说明这些技术仍存在提升空间。

目标跟踪作为一种对目标运动状态进行预测并标定目标位置的视觉技术，为上述信息化

交通技术提供信息处理支持。目前，目标跟踪的理论和算法众多，但是在实际交通应用

场景中，跟踪算法遇到目标遮挡，运动模糊，背景杂乱等情况时跟踪性能降低。本文针

对上述情况对车辆视频目标跟踪做出进一步研究。

针对车辆跟踪中遇到的背景杂乱，运动模糊造成跟踪框漂移，精确度降低问题，本

文提出一种基于空间正则化的相关滤波的BASRCF跟踪算法。首先构建一种使用真实

背景样本的背景感知算法，再从其目标函数入手，引入空间正则化，将背景信息和空间

信息进行自适应结合，再对滤波器进行优化求解，计算目标跟踪结果。该算法利用自适

应空间权值正则项，加强目标车辆的前景和背景的区分能力。针对在车辆行驶过程中，

目标大小变化会影响车辆跟踪的准确率问题，本文分别训练位置和尺度两个滤波器，一

个负责车辆目标中心位置预测，一个专门负责车辆目标尺寸预测。本文经过在OTB100

和UAV123数据集上的对比实验，表明对空间正则化的改进和尺度滤波器的加入，提高

跟踪算法的准确度。但是在当目标车辆受到遮挡时，目标框内的特征不能够完全表达目

标车辆，此时根据目标车辆的特征信息预测目标位置，会导致跟踪失败的情况出现。

针对车辆跟踪中遇到的目标车辆受到遮挡造成跟踪失败，精确度降低问题，本文提

出引入卡尔曼滤波的相关滤波的BASRCF_RE跟踪算法。首先设立一种判断遮挡机制，

通过响应图PSR峰值旁瓣比来判断遮挡程度，再通过卡尔曼滤波运动估计获得目标车

辆新位置，实现对目标车辆遮挡的判断和遮挡后的跟踪任务。本文经过在OTB100和

UAV123数据集上有关遮挡的视频数据集上进行对比实验，根据实验跟踪结果，从车辆

跟踪效果图，算法的成功率、精确度这些方面进行实验对比分析，表明本文提出的改进

算法BASRCF_RE算法可以很好的适应车辆行驶中的遮挡情况，跟踪稳定。

关键词：车辆跟踪；空间正则化；尺度估计；目标遮挡；卡尔曼滤波

基于相关滤波的车辆跟踪方法研究

Abstract

Inrecentyears,withthedevelopmentofartificialintelligence,informationtechnologyin

transportationhasbroughtalotofconveniencetopeoplestravel,suchasintelligentroadtraffic

management,intelligenttransportationandvehicle-assisteddriving.However,withthe

frequentoccurrenceofintelligentcaraccidentsinrecentyears,peoplehavebeguntoworry

aboutthesafetyandreliabilityoftransportation.Thisindicatesthatthereisstillroomfor

improvementinthesetechnologies.Objecttrackingisavisualtechnologythatpredictsthe

motionstateofanobjectandlabelsitsposition,anditprovidesinformationprocessingsupport

fortheaforementionedinformat