路径匹配及轨迹回放的算法研究与应用

动态跟踪及轨迹回放是GIS车辆监控系统的主要功能。基于将线离散成点集合的思想,设计了简称点到点的路径匹配算法和轨迹插值的轨迹回放算法。点到点将道路线离散成点集合,据此进行路径匹配,同时采用预测思想来解决交叉路口误判等问题;轨迹插值首先研究插值的应用前提并设计简称变定位时间间隔的方法来满足插值前提,其次介绍插值过程;算法应用于实际工程,点到点对交叉路口有很好的判断,轨迹插值降低定位成本。     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

基于视频跟踪和FSA的车辆行为模式分析

提出一种基于视频跟踪和有限状态自动机的运动车辆行为表达与分析方法。采用减背景法得到前景运动车辆,基于快速归一化互相关理论,通过预测实现车辆跟踪,得到准确的车辆运动轨迹。利用有限状态自动机,将车辆的行为表达为连续的微观行为状态,从而在运动跟踪的基础上,结合时域与空域信息分析车辆行为模式。对交叉路口的运动车辆进行跟踪实验,结果表明,该方法能够准确得到车辆的状态信息。     

基于最小特征匹配代价的夜间车辆检测和追踪

针对夜间复杂环境下车辆追踪存在检测难、配对准确率低、追踪效果差等问题,提出一种新的夜间车辆检测与追踪算法。首先将频域的同态滤波与空域的阈值技术结合进行车灯检测;然后,利用几何特征对车灯进行跟踪;其次,将几何特征和运动特征相结合,利用最小特征匹配代价算法实现车灯配对;最后,根据车灯配对情况对车辆轨迹进行追踪,同时引入反馈修正机制对轨迹进行修正。实验表明该算法能够在不同照明和交通条件下有效检测车灯、跟踪车辆,平均检测率和跟踪率较高。     

Lie群下利用改进JPDA滤波器的智能车立体视觉多目标跟踪方法

提出基于改进联合概率数据关联滤波器的智能车立体视觉多目标跟踪方法。利用立体视觉摄像头采集车辆及行人图像、视频;在Lie群下对传感器的不确定性进行建模,并采用欧几里德群算法对预处理的图像进行状态滤波;在可能存在车辆的区域内利用双目视觉去除误检,并获得车辆的位置信息;通过卡尔曼滤波器对测量的不确定度和预测目标运动的轨迹进行确认;运用改进的联合概率数据关联滤波器对车辆及行人的跟踪结果进行优化修正。实验结果表明,提出的方法可以有效解决智能车多目标跟踪问题,大幅度提升驾驶系统的自动化和智能化水平。相比其他较新的目标跟踪方法,提出的方法在跟踪精度和速度上具有明显的优势,且在跟踪车辆时不会产生明显的偏移、不会遗漏对行人的跟踪。     

基于最优特征选择的车辆跟踪方法

针对智能交通系统的车辆跟踪问题,提出基于最优特征选择的车辆跟踪方法.综合颜色、纹理和形状特征确定特征集合,采用线性鉴别分析方法从特征集合中选取最优特征,使用Mean Shift算法在最优特征下预测目标位置,根据目标匹配结果确定车辆的运行轨迹,利用特征平滑方法更新特征模型.实验结果表明,该方法适用于不同的公路监控场景,能够准确、有效地跟踪运动目标.     

车道模型的高速公路车辆异常行为检测方法

针对高速公路上车辆的逆行、停车、轨迹异常等事件的检测问题,提出了一种基于车道模型知识的自底上向的车辆异常检测方法。首先由车道线的连续性、共线性的感知搜索出车道线和消失点,自动建立车道模型;然后在多车辆检测与跟踪时,通过目标运动位置预测和KLT特征点跟踪的方法建立表示目标区域交叠关系图,依据后验关系通过对图中节点对应目标区域的合并与拆分实现目标与实际车辆的一一对应,建立可靠的跟踪轨迹;最后基于消失点的坐标变换,计算车辆实际位置与速度,采用轨迹滑动窗口方法判断目标运动趋势并计算窗口内轨迹点平均速度,判断车辆的异常行为。实验结果表明,所提方法在不同天气、不同车流量环境中均有80%以上的事件检测率,同时算法简单,具有很好的实时性,能够适应实际高速公路智能检测设备的需求。     

多关节机械臂轨迹跟踪自适应神经网络滑模控制

针对不确定干扰和建模误差对多关节机械臂轨迹跟踪控制系统造成的不良影响,对基于滑模控制的自适应神经网络滑模控制算法进行了研究。通过神经网络,对多关节机械臂轨迹跟踪控制系统的不确定干扰和建模误差进行逼近。添加自适应项,补偿神经网络滑模控制中神经网络模型对系统中的不确定干扰和建模误差的逼近误差。设计了具有指数趋近律的滑模面,以提升多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度。使用李雅普诺夫稳定性理论,证明了多关节机械臂轨迹跟踪控制系统的半全局稳定性,并通过MATLAB对理论结果进行了仿真验证。仿真结果表明,对具有不确定干扰和建模误差的多关节机械臂轨迹跟踪控制系统,采用该算法进行轨迹跟踪时,具有较好的稳定性与鲁棒性。该控制算法能合理应用到此类轨迹跟踪控制系统中。     

基于视频的多目标车辆跟踪及轨迹优化

为了获取交通视频中车辆的运动轨迹,提供道路动态交通信息,提出一种基于Yolo3目标检测和KCF目标预测相结合,关联历史轨迹预测结果和检测结果的长时间多目标车辆跟踪算法;对采用机器视觉获取的车辆轨迹非平滑现象,提出通过Savitzky-Golay滤波器对原始的车辆轨迹进行平滑优化。对比测试场景中车辆轨迹优化前后,优化后的轨迹在保留原有车辆运动特征的前提下,改善了轨迹平滑性,提供的动态交通信息更能反映车辆真实运动状况。     

AVS监控档视频的压缩域摘要研究

传统的像素域视频摘要方法需要完全解码视频,计算时间长。因此提出了一种在不解码的前提下直接在压缩域生成AVS格式摘要视频的算法。首先对AVS码流中的运动向量(MV)进行分析,提取前景运动宏块;然后跟踪前景宏块,得到有效的运动目标轨迹;最后提取AVS监控档视频中的背景帧,并将它与运动目标轨迹相结合,生成摘要视频。实验表明,该算法能够在压缩域下有效地生成摘要视频,相比于传统方法具有更快的处理速度。     

Lateral motion stability control of electric vehicle via sampled-data state feedback by almost disturbance decoupling

The paper presents a lateral motion stability control method for electric vehicle (EV) driven by four in-wheel motors, which considers time-variable vehicle speed and uncertain disturbance caused by external factors. First, an EV lateral motion dynamics tracking control model is presented. Then in order to deal with the uncertain disturbance in the lateral motion model, an almost disturbance decoupling method using sampled-data state feedback is proposed. Third, a sampled-data state feedback controller is constructed based on the state feedback domination approach. The proposed controller can attenuate the disturbances’ effect on the output to an arbitrary degree of accuracy. Simulation and test results under different vehicle speeds show the effectiveness of the control method.     

全局多极团的分层关联多目标跟踪

目的 由于背景的复杂性,光照的多变性以及目标的相关性等因素的影响,使得多目标跟踪算法的鲁棒性相对较差。目前,在多目标跟踪问题中面临的主要挑战包括：遮挡、误检、目标运动的复杂性以及由于目标具有相似的外观特征所引起的模糊性。针对以上问题,提出一种基于全局多极团的分层关联多目标跟踪算法。方法 该方法以数据关联中的全局关联为依托,基于分层和网络流思想,跟踪采用两层框架,每一层中均利用较短的轨迹片段形成更长的轨迹,根据网络流思想,首先构建网络的无向图,其中无向图的结点是由几个轨迹片段构成的,无向图权值的确定是利用目标的运动模型和外观模型的线性组合得到,然后借助聚合虚拟结点处理目标之间的遮挡问题,接着重点加入空间约束以解决身份转换的问题。最后利用最大二值整数规划在叠加片段上求解无向图,同时得到多个极大团。结果 实验在公共数据集上进行,通过在TUD-Stadmitte、TUD-Crossing、PETS2009、Parking Lot 1、Parking Lot 2、Town Center这6个数据集上验证,该方法对各个数据集跟踪准确度均有提高,其中针对数据集TUD-Stadmitte提高了5%以上,针对数据集Town Center处理的身份转换数量减少了12个。结论 本文依据数据关联思想,提出一种全局多极团的分层关联多目标跟踪算法,其中重点加入的空间约束能有效地处理多目标跟踪问题,尤其涉及遮挡问题,效果更佳。在智能视频监控领域中该方法具有实际应用价值。     

Vision-based robotic convoy driving

This article describes a method for vision-based autonomous convoy driving in which a robotic vehicle autonomously pursues another vehicle. Pursuit is achieved by visually tracking a target mounted on the back of the pursued vehicle. Visual tracking must be robust, since a failure leads to catastrophic results. To make our system as reliable as possible, uncertainty is accounted for in each measurement and propagated through all computations. We use a best linear unbiased estimate (BLUE) of the target's position in each separate image, and a polynomial least-mean-square fit (LMSF) to estimate the target's motion. Robust autonomous convoy driving has been demonstrated in the presence of various lighting conditions, shadowing, other vehicles, turns at intersections, curves, and hills. A continuous, autonomous, convoy drive of over 33 km (20 miles) was successful, at speeds averaging between 50 and 75km/h (30–45 miles/h).     

一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法

为了改进智能交通中的运动车辆检测和跟踪方法,提出一种基于改进的帧间差分和光流技术结合的运动车辆检测和跟踪的新方法。先用帧间差分法检测出运动物体的运动区域,再计算差值图中不为零处的光流,然后利用其光流场来实现运动目标的跟踪。为了减少计算量,提出一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪。     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。     

A Multimedia Data Mining Framework: Mining Information from Traffic Video Sequences

The analysis and mining of traffic video sequences to discover important but previously unknown knowledge such as vehicle identification, traffic flow, queue detection, incident detection, and the spatio-temporal relations of the vehicles at intersections, provide an economic approach for daily traffic monitoring operations. To meet such demands, a multimedia data mining framework is proposed in this paper. The proposed multimedia data mining framework analyzes the traffic video sequences using background subtraction, image/video segmentation, vehicle tracking, and modeling with the multimedia augmented transition network (MATN) model and multimedia input strings, in the domain of traffic monitoring over traffic intersections. The spatio-temporal relationships of the vehicle objects in each frame are discovered and accurately captured and modeled. Such an additional level of sophistication enabled by the proposed multimedia data mining framework in terms of spatio-temporal tracking generates a capability for automation. This capability alone can significantly influence and enhance current data processing and implementation strategies for several problems vis-à-vis traffic operations. Three real-life traffic video sequences obtained from different sources and with different weather conditions are used to illustrate the effectiveness and robustness of the proposed multimedia data mining framework by demonstrating how the proposed framework can be applied to traffic applications to answer the spatio-temporal queries.     

Online clustering-based multi-camera vehicle tracking in scenarios with overlapping FOVs

Multi-Target Multi-Camera (MTMC) vehicle tracking is an essential task of visual traffic monitoring, one of the main research fields of Intelligent Transportation Systems. Several offline approaches have been proposed to address this task; however, they are not compatible with real-world applications due to their high latency and post-processing requirements. This lack of suitable approaches motivates our proposal: A new low-latency online approach for MTMC tracking in scenarios with partially overlapping fields of view (FOVs), such as road intersections. Firstly, the proposed approach detects vehicles at each camera. Then, the detections are merged between cameras by applying cross-camera clustering based on appearance and location. Lastly, the clusters containing different detections of the same vehicle are temporally associated to compute the tracks on a frame-by-frame basis. The experiments show promising low-latency results while addressing real-world challenges such as the a priori unknown and time-varying number of targets and the continuous state estimation of them without performing any post-processing of the trajectories. Our code is available at http://www-vpu.eps.uam.es/publications/Online-MTMC-Tracking.

     

无信号交叉口网联车调度与分布式控制策略

针对多车道无信号交叉口,在高交通流量时易发生拥堵的问题,提出了一种适用于交叉口智能网联车(connected automated vehicle, CAV)通行的解决方案,将问题解耦成顺序决策和分布式控制两个问题。而车辆调度是方案中的关键点,对通行效率有很大的影响,且问题的复杂度是指数级。为解决该问题,提出一种基于队列评价模型的决策方法(queue evaluation spanning tree, QEST),将网联车存到的多个队列模型中,并以通行效率和车辆延迟建立代价函数,以此对队列进行评价,通过不断循环选择最佳的队列,优化车辆在交叉口的通行顺序,有效提升了通行效率。对第二个问题,提出一种分布式控制框架,使得车辆按预定顺序通过交叉口。结果表明,该方案在中高交通流量时能有效提升交叉口的通行效率并降低车辆延迟和能量消耗。     

无线传感器网络中目标跟踪的马尔可夫模型与预测方法

针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%～77.2%和23.5%～54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。     

一种高鲁棒性的夜间车辆定位与跟踪方法

针对夜间环境下的车辆检测问题,从车头灯视角出发,提出一种具有高鲁棒性的夜间车辆定位和跟踪方法。结合卡尔曼滤波实现健壮的亮斑帧间跟踪,并根据亮斑的运动连续性和形态稳定性提取车灯目标。采用基于时域和空域特征的谱系聚类方法对车灯进行同车分组,利用车头灯组对车辆目标进行准确定位和跟踪。实验表明该方法在夜间交通环境中的有效性和高鲁棒性。