Print

基于核相关滤波和运动模型的多目标轨迹跟踪

论文摘要

在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。

论文目录

  • 前言
  • 1 多目标跟踪框架
  •   （1） 目标检测、匹配
  •   （2） 目标跟踪、运动状态估计、获取目标轨迹
  •   （3） 信息融合、调整目标尺度
  • 2 YOLOv2目标检测与核相关滤波跟踪
  •   2.1 基于YOLOv2的目标检测
  •   2.2 核相关滤波跟踪算法
  • 3 融合运动信息与核相关滤波跟踪
  •   3.1 目标容器
  •   3.2 目标匹配
  •     （1） IOU系数
  •     （2） 关联系数
  •     （3） 类属性（ClassID）、累计跟踪帧数（TKaut）、状态更新次数（UPaut）、状态更新帧（UPf）
  •   3.3 基于分段线性恒定速运动模型的卡尔曼目标 跟踪
  •     （1） 恒定速运动模型
  •     （2） 预测
  •     （3） 更新
  •     （4） 分段线性运动
  •   3.4 运动跟踪信息与核相关滤波融合
  • 4 实验
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 廖家才,曹立波,夏家豪,张晓,吴强

    关键词: 自动驾驶系统,多目标跟踪,核相关滤波,卡尔曼滤波

    来源: 汽车工程 2019年10期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 汽车工业,无线电电子学,计算机软件及计算机应用

    单位: 湖南大学汽车车身先进设计制造国家重点实验室

    基金: 长沙市科技重大专项支持项目(kq1703024),大学生研究性学习和创新性实验计划项目(湘教通[2018]255号)资助

    分类号: U463.6;TP391.41;TN713

    DOI: 10.19562/j.chinasae.qcgc.2019.010.011

    页码: 1179-1188

    总页数: 10

    文件大小: 3256K

    下载量: 393

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/c4e5e1229218973982fb3024.html