Simultaneous Multi-vehicle Detection and Tracking Framework with Pavement Constraints Based on Machine Learning and Particle Filter Algorithm
Wang, Ke Ke, Huang, Zhi, Zhong, Zhihua · 中国机械工程学报：英文版 · 2014
由于有千变万化背景的环境和有不同形状，颜色和外观的车辆的大变化，在复杂环境与高适应性，效率和坚韧性实现一个即时机载的车辆识别系统，仍然保持挑战性。这篇论文基于单眼用的视觉技术为柔韧的机载的车辆识别介绍同时的察觉和追踪的框架。框架利用一个新奇分层的机器学习和粒子过滤器造多车辆察觉和追踪的系统。在车辆察觉阶段，一个分层的机器学习方法被介绍，它联合对粗糙搜索、好搜索用基于 AdaBoost 的训练算法获得目标。基于特征，类似被建议估计最可能的人行道区域的人行道分割方法。效率和精确性被在人行道的精简的区域以内限制车辆察觉提高。在追踪舞台的车辆，基于目标状态，管理和粒子过滤的一个多客观的追踪算法被建议。建议系统被在许多交通，照明，和天气条件捕获的车道录像评估。评估结果证明在合适的照明和清楚的车辆外观的条件下面，建议系统完成 91.2% 察觉率和 2.6% 假察觉率。与典型算法相比的实验显示出那，介绍算法以减少的 2.7%8.6% 的成本由一半将近减少假察觉率察觉率。这份报纸建议多车辆察觉和追踪的系统，它为在有高精确，强壮的坚韧性和低计算费用的一个机载的车辆识别系统的实现是有希望的。