智慧交通中形变自适应的目标跟踪算法研究.pdfVIP

第４６卷第６期山西建筑Ｖｏｌ．４６Ｎｏ．６

·１９６·２０２０年３月ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥＭａｒ．２０２０

１００９６８２５（２０２０）０６０１９６０３

文章编号：

智慧交通中形变自适应的目标跟踪算法研究

吴大伟

（东北林业大学交通学院，黑龙江哈尔滨１５００４０）

介绍了一种形变自适应更新策略，分析并构造了上下文峰值旁瓣比（ＣｏｎｔｅｘｔＰｅａｋｔｏＳｉｄｅｌｏｂｅＲａｔｉｏ，ＣＰＳＲ）特征，探究了自

摘要：

适应调整滤波器模板学习率。实验结果表明，在形变数据集上，ＤＡＥＣＯ算法优于ＥＣＯＨＣ算法，达到针对目标形变具有较强的

鲁棒性。

关键词：目标跟踪，智能交通，相关滤波器，傅里叶变换

中图分类号：文献标识码：

ＴＰ３１９Ａ

［］

Ｍａｒｔｉｎ１１ＥＣＯ

目标跟踪是利用最优化算法分析目标位置等信息的一近年来等提出了跟踪算法，克服了模型

种关键技术，已被广泛应用于智能交通监控和公安刑侦等漂移问题。本文将采用ＥＣＯＨＣ算法作为基准跟踪滤波

ＨＯＧｘ

领域。目标跟踪领域存在着目标形变、遮挡和光照等挑战器，利用颜色和特征描述表征被跟踪目标。设为被

ｄＪｘ

性难点，因此鲁棒的目标跟踪算法研究具有非常重要的意跟踪目标特征，个特征通道，｛｝为映射到空间连续域的

１２

Ｐ＝ｐｃ＜ｄｆ＝ｆｆ

义。当前，目标跟踪算法可分为生成式模型和判别式模型，特征卷积，（）（）为降维矩阵，设｛，，…，

，

ｄｃ

生成式模型主要利用目标的联合分布进行建模，常见有粒ｆｃ｝为跟踪滤波器，其损失函数可表示为：

［］［］

１２Ｃ

子滤波和卡尔曼滤波等跟踪算法。判别式模型是通过＾＾２＾＾ｃ２

（，）｛｝·

Ｅｆｐ＝ＪｘＰｆ－ｙ＋