融合深度感知特征的车辆跟踪态势显示仿真

为提高车辆运行效率、提升道路交通管理科技信息化水平,提出一种融合深度感知特征的车辆跟踪态势显示。首先在深度感知成像原理基础上构建车辆信息提取模型,根据SIFT算法的局部性、特殊性、多量性和高效性等优势,并通过特征点测量、边缘点剔出与描述,完成车辆匹配,同时将获得的均值模板在态势显示中做特征匹配,利用遗传算法聚类完成初始编码、种群初始化等一系列操作,获取车辆运动规律,建立滤波方程,根据该方程实现对车辆不同方向的跟踪;最后以可视化技术为载体,将车道空间占比率、车辆区域面积、以及跟踪车辆的密集程度等信息完成可视化实现态势显示。仿真结果证明,方法对车辆跟踪的准确性高、态势显示速度快,达到了智慧化与精细化的车辆跟踪要求,实现了实时态势显示的目的。

基于视觉特性的物体边界跟踪法

本文提出了一个物体边界跟踪的新方法,它在一般的四方向跟踪法的基础上,引进了人眼的视觉特性概念,以期使计算机检测的边界结果与人工目检结果相一致。实验表明,该方法取得了良好的效果,并且有一定的实用价值。

联合判别式核相关滤波视觉跟随算法

目标跟踪算法是计算机视觉领域的热门技术之一,拥有广阔的发展前景。核相关滤波视觉跟踪算法由于循环矩阵构造正负训练样本,避免求逆的大量运算,显著提高计算速度而受到广泛关注。但是,核相关滤波算法存在一定局限性,无法应对现实环境存在的遮挡、目标尺度变化、背景模糊等复杂多变的干扰因素。因此提出一种改进型核相关滤波算法。该算法不仅融合多种颜色特征提高图像处理的准确度,而且通过构建自适应尺度变化策略来应对目标尺度变化的挑战。为了进一步区分目标和背景信息,提出联合判别式背景感知与干扰判别的策略,以充分利用目标上下文信息。相比于传统核相关滤波算法,改进算法的精度更高,鲁棒性更强。通过在视频数据集OTB-50上的实验可得,改进后的核相关滤波算法性能获得较大提升。