10.3963/j.issn.1674-4861.2018.06.009
基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法
为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测.将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度.针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪.实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps.检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用.
智能交通、交通图像处理、车辆检测与跟踪、多尺度边缘融合、特征匹配、样本更新
36
U491.1(交通工程与公路运输技术管理)
国家重点研发计划项目2017YFC0804806;中央高校基本科研业务费专项资金项目300102328108;国家自然科学基金项目61603058,61501058;陕西省自然科学基础研究计划项目2018JM6023
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
65-73