基于相机运动趋势估计的多目标视觉跟踪方法

    公开(公告)号:CN117495900B

    公开(公告)日:2024-06-07

    申请号:CN202311465351.5

    申请日:2023-11-06

    摘要: 本发明公开了一种基于相机运动趋势估计的多目标视觉跟踪方法,包括:获取视频流数据,并通过目标检测结果获取目标在图像平面的像素坐标;获取相机参数,利用单应性变换将图像平面的目标映射到大地平面,得到映射测量值;根据相机的运动趋势计算相应的过程补偿因子,进而计算得到过程噪声协方差矩阵;计算目标在地平面上的测量分布,将该分布反馈至卡尔曼滤波器中进行迭代,并根据过程噪声协方差矩阵对卡尔曼滤波器进行修正,卡尔曼滤波器预测输出目标的轨迹状态;利用映射测量值和预测的轨迹状态作为输入来计算映射的马氏距离,并将结果存入关联代价矩阵中;根据关联代价矩阵,通过匈牙利算法关联有效检测框与预测轨迹,提高跟踪鲁棒性和精度。

    一种交通事故时空影响范围识别、关联因素确定方法

    公开(公告)号:CN117953685A

    公开(公告)日:2024-04-30

    申请号:CN202410127201.1

    申请日:2024-01-30

    摘要: 本发明公开了一种交通事故时空影响范围识别、关联因素确定方法,所述的一种交通事故时空影响范围识别方法,包括以下步骤:步骤S1、进行浮动车轨迹数据、高速公路交通事故数据、高速公路路网数据等异构数据间的时空关联和信息融合;步骤S2、基于步骤S1得到的时空关联和信息融合数据,引入交通运行指数评估各路段的交通状态,量化交通事故时空影响的各项指标,包括交通事故影响的持续时间、交通事故影响的路段长度及交通事故影响的严重程度。所述的一种交通事故时空影响范围的关联因素确定方法,基于识别的交通事故影响持续时间和交通事故影响路段长度之间存在空间相关性,利用空间回归模型对交通事故时空迟滞影响关联因素进行分析。

    基于相机运动趋势估计的多目标视觉跟踪方法

    公开(公告)号:CN117495900A

    公开(公告)日:2024-02-02

    申请号:CN202311465351.5

    申请日:2023-11-06

    摘要: 本发明公开了一种基于相机运动趋势估计的多目标视觉跟踪方法,包括:获取视频流数据,并通过目标检测结果获取目标在图像平面的像素坐标;获取相机参数,利用单应性变换将图像平面的目标映射到大地平面,得到映射测量值;根据相机的运动趋势计算相应的过程补偿因子,进而计算得到过程噪声协方差矩阵;计算目标在地平面上的测量分布,将该分布反馈至卡尔曼滤波器中进行迭代,并根据过程噪声协方差矩阵对卡尔曼滤波器进行修正,卡尔曼滤波器预测输出目标的轨迹状态;利用映射测量值和预测的轨迹状态作为输入来计算映射的马氏距离,并将结果存入关联代价矩阵中;根据关联代价矩阵,通过匈牙利算法关联有效检测框与预测轨迹,提高跟踪鲁棒性和精度。

    基于最小费用网络流模型的多指标道路网匹配方法

    公开(公告)号:CN116257766A

    公开(公告)日:2023-06-13

    申请号:CN202310067584.3

    申请日:2023-01-16

    IPC分类号: G06F18/22 G06F16/28 G06F16/29

    摘要: 本发明公开了一种基于最小费用网络流模型的多指标道路网匹配方法,构建待匹配的两个道路数据集的任意两个实体之间的相似度指标,实体指道路数据集中组成道路网的道路线要素;使用任意两个实体之间的相似度指标判断待匹配的两个道路数据集中的潜在匹配对;将两个道路数据集中的每个实体表示为流网络中的一个节点,将所有潜在匹配对表示为一组带有流参数的网络边,构建得到最小费用网络流模型;使用任意两个实体之间的相似度指标作为目标函数中的费用,进行最小费用网络流模型匹配,实现多指标道路网匹配。任意两个实体之间的相似度指标为由任意两个实体之间的距离相似度、方向相似度和形状相似度按照比例构成的综合指标。匹配结果准确度高。

    融合轨迹空间-语义特征的车辆类型识别方法

    公开(公告)号:CN116092037A

    公开(公告)日:2023-05-09

    申请号:CN202310171830.X

    申请日:2023-02-13

    摘要: 本发明公开了一种融合轨迹空间‑语义特征的车辆类型识别方法,对原始车辆轨迹数据进行预处理,包括重复轨迹过滤、停留点识别和微行程划分;基于车辆轨迹数据、停留点和微行程,计算车辆运动特征和关联的地理语义特征;基于车辆运动特征和关联的地理语义特征,进行车辆类型识别。停留点识别的具体操作为:选择某车辆轨迹点中移动距离小于距离阈值且理论速度小于速度阈值的轨迹点进行DBSCAN聚类,聚类以空间距离和速度差异为双邻域约束,聚类后每个簇分别对应该车辆的一个停留点。微行程划分,是当相邻轨迹点时间间隔大于时间阈值秒或遇到停留点时,打断车辆轨迹,即得到各车辆行驶的微行程。有效提高车辆类型识别精度。