一种基于深度学习的无人机航拍视频轨迹高精度提取方法

摘要

本发明公开了一种基于深度学习的无人机航拍视频车辆轨迹高精度提取方法，有如下步骤：首先利用神经网络和深度学习算法对所需提取目标的特征进行训练，同时训练YOLOv3和R‑CNN模型；采用YOLOv3和R‑CNN融合的方式进行目标检测，其中YOLOv3负责快速检测，R‑CNN负责局部复检校核，这样融合了YOLOv3的迅速和RCNN的位置准确性，使得算法鲁棒性得到保证；接下来利用单一车辆的速度位移关系，构建简单时间序列模型，对坐标关联算法进行轨迹提取；轨迹重构算法利用车辆行驶轨迹的位置连续、速度连续、加速度连续特性，对初步轨迹进行拼接、去噪、平滑等一系列处理；最后对轨迹进行整理提取速度、加速度、车头时距、车头间距、间隙等一系列交通流参数。由于深度学习针对特征进行提取，故目标在不同环境下算法的适应性同样很好，并且同类目标训练权重具有可移植性，使得轨迹提取的鲁棒性得到了较好的保证，而鲁棒丰富的高精度轨迹对当前交通流研究具有很大的意义。