车辆跟踪总结
来源:互联网 发布:java界面开发 编辑:程序博客网 时间:2024/04/28 10:07
现在把电子警察的核心确定为车辆跟踪,属于目标跟踪范畴,基本的框架都是检测+跟踪。
目前个人把车辆跟踪分为如下几张方案:
1 基于背景模型的运动检测+预测跟踪
背景模型有:混合高斯、LBP纹理、codebook、vibe;
跟踪有:Kalman Filter/MeanShift/Particle Filter
评论:跟踪部分没什么说的,比较经典,检测部分采用好的模型可在一定程度上解决光照、阴影,但对粘连、夜间、长期停留仍是难题。vibe听起来很好,实测并不如意。
当然,夜间可通过车灯配对单独检测,长期停留可以通过多个更新策略部分解决。
2 基于机器学习的检测+跟踪
Adaboost训练出车辆模型,然后实时检测。
跟踪部分同上。
评论:模型训练的好,则检测部分可以达到较高的精度,加上场景约束基本可在95%,解决了光照、阴影、粘连、长期停留难题,也可训练夜间模型。跟踪部分配合检测不难。
3 基于特征点的匹配跟踪+聚类
特征点有:KLT、Harris、SIFT,匹配算法有:光流、SIFT,匹配后自然形成轨迹,无需预测跟踪。
上述得到的点的轨迹,需要聚类归并到不同的车辆,方法有聚类、图割等。
评论:无需背景建模,特征点比较稳定,能适合昼夜、阴影,难点是聚类,如果是规则的轿车,准确率可达95%。
4 TLD
这两年是热门算法,可借鉴其思想和某些模块,源码虽有,尚未得机会深入。
- 车辆跟踪总结
- 车辆跟踪方法
- 车辆跟踪技术概述zt
- OpenTLD C++ 尝试车辆目标跟踪[1]
- 基于特征点匹配的车辆跟踪
- 车辆的检测、跟踪和计数
- 使用opencv实现车辆的检测与跟踪
- 使用SignalR实时推送数据库变化--车辆实时跟踪
- Unity3d 赛车车辆各类性能算法---总结
- 车辆路径问题与相关算法总结
- meanshift目标跟踪总结
- 光流跟踪总结
- FCT跟踪总结
- 目标跟踪源码总结
- meanshift目标跟踪总结
- meanshift跟踪算法总结
- 目标跟踪总结
- 视线跟踪学习总结
- 搭建spring工程(笔记)
- Dijkstra(单源最短路径问题)
- ubuntu下php环境的搭建
- 三种工厂模式的优劣比较
- Linux命令中常用命令符号解释
- 车辆跟踪总结
- uva11488
- 我的分数类
- HDU 2066 一个人的旅行
- 反编译打包apk后无法安装正版apk提示:Failure [INSTALL_PARSE_FAILED_INCONSISTENT_CERTIFICATES]
- HttpClient4.2.2的几个常用方法,登录之后访问页面问题,下载文件
- 动态规划-最长公共子串LCS
- 2009年至2012年历次系统集成项目管理工程师考试上午试题题量分布
- 基础的重要性(转)