1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要内容及结构安排
2 相关技术研究及跟踪方案的提出
2.1 高速公路外场场景下车辆目标检测和匹配的难点
2.1.1 高速公路外场场景环境特点
2.1.2 高速露天场景车辆目标特点
2.2 关键技术研究
2.2.1 Faster R-CNN目标检测模型
2.2.2 多尺度车辆目标检测
2.2.3 目标匹配
2.3 整体跟踪方案提出
2.4 本章小结
3 基于改进SNIPER采样策略的多尺度车辆目标检测
3.1 引言
3.2获取正chips
3.2.1 Mean Shift 聚类算法
3.2.2正chips的获取方法
3.3 获取负chips
3.3.1 负chips的获取方法
3.4提出的多尺度车辆目标检测方法
3.4.1 kalman 滤波预测算法
3.4.2 Vibe前景目标检测算法
3.4.3提出的多尺度车辆目标检测
3.5本章小结
4 基于多特征融合的车辆目标匹配
4.1 引言
4.2 运动特征匹配
4.2.1 状态估计
4.2.2 运动特征相似性度量
4.3 表观特征匹配
4.3.1 孪生神经网络
4.3.2 制作训练数据集
4.3.3 模型设计与训练
4.3.4 表观特征相似性度量
4.4 轨迹特征匹配
4.4.1 DTW 算法
4.4.2 轨迹聚类
4.4.3 轨迹特征相似性度量
4.5 提出的车辆目标级联匹配策略
4.6 本章小结
5 实验结果及分析
5.1 实验环境
5.2评估指标
5.2.1 平均准确率均值
5.2.2 CLEAR MOT
5.3对比实验及分析
5.3.1 实验1:改进SNIPER 采样策略的模型训练
5.3.2 实验2:结合前景检测和轨迹预测的目标检测
5.3.3 实验3:融合多特征的目标匹配
5.3.4 实验4:综合验证实验
5.4 本章小结
6 总结与展望
参考文献
附 录
A. 作者在攻读学位期间发表的论文
B. 作者在攻读学位期间参与的项目
C. 学位论文数据集
致谢
重庆大学;