抗运动模糊的交通流视频多车跟踪研究

U495; 在采集交通流视频时,容易发生抖动,使获得的视频出现运动模糊,由于传统的多车跟踪模型缺乏有效的调节机制,因此多车跟踪精度较低.该文利用UA-DETRAC数据集提出一种抗运动模糊的交通流视频多车跟踪方法,即应用DarkNet53网络提取车辆特征,然后使用卡尔曼滤波与级联匹配进行多车跟踪,最后采用基于Laplacian算子和生成对抗网络的方法解决视频帧运动模糊的问题.试验表明,与传统多车跟踪模型对比,该方法将漏检率和误检率提升了近18.89％,更能满足实际场景的需求,可以为相关系统的设计提供一定参考....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	中国新技术新产品 2022 (4), p.1-5
Hauptverfasser:	杜丹丰, 申明雨
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	U495; 在采集交通流视频时,容易发生抖动,使获得的视频出现运动模糊,由于传统的多车跟踪模型缺乏有效的调节机制,因此多车跟踪精度较低.该文利用UA-DETRAC数据集提出一种抗运动模糊的交通流视频多车跟踪方法,即应用DarkNet53网络提取车辆特征,然后使用卡尔曼滤波与级联匹配进行多车跟踪,最后采用基于Laplacian算子和生成对抗网络的方法解决视频帧运动模糊的问题.试验表明,与传统多车跟踪模型对比,该方法将漏检率和误检率提升了近18.89％,更能满足实际场景的需求,可以为相关系统的设计提供一定参考.
ISSN:	1673-9957
DOI:	10.3969/j.issn.1673-9957.2022.04.002