车辆跟踪

摘要： 针对现有多目标跟踪算法参数量和计算量大,难以满足移动设备实时性要求的问题,本文通过改进JDE跟踪算法,提出了一种道路车辆多目标跟踪算法。首先,设计关联融合网络来解决JDE算法中多任务学习存在的竞争问题,提高算法的跟踪精度,减少身份切换次数;其次,使用改进的EfficientNetv2重新构建YOLOv5的特征提取网络,降低模型复杂度,提高模型实时检测速度;最后,使用改进的YOLOv5检测算法与JDE跟踪算法结合,实现道路车辆多目标跟踪。实验结果表明,提出的方法相比原JDE跟踪算法,MOTA提高0.3个百分点、跟踪速度提高约43.2%,可以满足实际自动驾驶场景中对车辆跟踪的速度要求。

摘要： 引言:随着社会经济的高速发展,时代的进步人们迎来了大数据时代,快递企业在此环境中为了得到稳定的发展,需要创新发展方式运营模式,在互联网的影响越来越多的电商企业如雨后春笋般纷纷涌现,物流行业经济的大幅度提升使其成为了炙手可热最具影响力的行业之一,在不断地发展中物流行业成为最具有潜力的市场之一,大数据技术的创新升级在各行各业中得到了充分的运用,在快递企业的应用中能够飞速处理好企业海量的物流信息,随着市场经济的高速上涨,快递企业之间的竞争压力越来越大。本篇文章主要是按照大数据技术在快递企业服务和管理中的应用,科学分析大数据对快递企业竞争方面可能产生的影响,深入了解快递运用大数据技术,不仅可以增强快递企业的服务水平,掌握市场的发展动向,还能提升快递企业的核心竞争力,以供参考。根据调查得知自2011年以来快递行业的发展非常迅速,随着市场经济的提升,快递行业逐渐成为了人们生活中极为依赖的行业之一。快递行业在运营过程中会产生海量的数据信息,在货流运转和车辆跟踪等过程中也会产生大量数据,为了方面对数据信息进行合理管理,在大数据时代下,快递企业可以运用大数据进行对海量物流信息进行统一管理。大数据也可以称之为巨量资料,在云时代环境中受到了各个行业的关注。

摘要： 针对现有飞蛾扑火优化算法精度低、全局搜索能力差的问题,提出一种自适应插值飞蛾扑火优化算法,并将其嵌入多特征粒子滤波中优化,构建自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法.首先,在飞蛾的位置更新机制中加入自适应权值,改善所提算法的全局搜索能力.其次,采用改进的插值飞蛾扑火优化算法对采样过程进行优化,结合多特征自适应融合优化粒子滤波车辆跟踪算法,根据最新观测信息不断调整粒子分布,使低权值层粒子向权值较高的区域移动,增强粒子质量,避免样本退化.实验结果表明,本文算法能够有效降低状态预测所需的样本粒子数,提高算法的跟踪性能,在车辆目标发生遮挡、光照、姿态及尺度变化等干扰下仍然能够准确、稳定地跟踪目标车辆.

摘要： 孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络,根据跟踪模型特性,从剪裁特征图、调整网络总步长和嵌入高效通道注意力模块三方面对其进行优化,高效提取特征的同时增强模型的差异化认知,并在分支网络引入全局上下文模块(non-local network,NLNet),增强跟踪模型对目标车辆的整体感知。经实验证明,提出的算法在低分辨率、光照变化和复杂背景的情况下跟踪速度和鲁棒性显著提升。在VOT2018和OTB2015数据集中测试均能得到较好的跟踪结果,与经典跟踪模型SiamFC相比,在OTB2015数据集中测试的跟踪精度提高了5.5%,跟踪成功率提高了2.7%,跟踪速度提高了14%可达98帧/s。

摘要： 针对KCF算法在前方车辆被遮挡时存在跟踪丢失的问题,提出一种将ORB与KCF结合的跟踪算法。引入扩大网格尺寸后的YOLO v3算法快速识别图像中车辆位置,并改进ORB中角点检测算法提高图像匹配精度。经过实验验证,改进后的ORB算法具有较强的抗噪干扰能力,不仅保留了原ORB算法运算快的优越性,且基本消除误匹配点。基于ORB的KCF算法应用于前方车辆跟踪相比原KCF算法准确性提高约14个百分点,平均估计误差更少,基本满足对前方车辆稳定跟踪的要求。

摘要： 混合动力电动汽车(Hybrid electric vehicles,HEVs)的能量管理问题至关重要,而混合动力电动汽车的跟车控制不仅涉及跟车效果与安全性,也影响着能量的高效利用.将HEVs的跟车控制与能量管理相结合,提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法.首先,考虑坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型,并基于安全距离,提出一种基于道路观测器的动态面控制(Dynamic surface control,DSC)进行车辆跟踪控制.然后,结合跟踪控制下工况循环,采用滚动动态规划(Dynamic programming,DP)算法进行混合动力电动汽车能量实时优化控制.最后,通过仿真研究进行验证.

摘要： 对视频车辆进行实时准确跟踪,可以为智能化交通管控提供重要信息。然而,在一些复杂的行车环境中,车辆之间的遮挡现象会严重影响跟踪性能,因此,为实现在复杂交通背景下车辆的实时鲁棒跟踪,提出一种基于卡尔曼滤波与动态卷积的轻量级重识别车辆跟踪方法。实验结果显示:该跟踪方法在公开的UA-DETRAC车辆数据集上的MOTA达到80.25%,比现有基于ResNet的跟踪方法提高2.42%,IDSW显著减少10%,且优化后的跟踪速度较之前提升25%。研究结果表明,该跟踪方法具有一定的实时性和抗遮挡性。

摘要： 针对视觉跟踪中由于尺寸变化累积误差导致目标丢失的问题,提出一种融合视觉与毫米波雷达数据的改进粒子滤波车辆跟踪算法。首先,引入遗传算法改善标准粒子滤波中的粒子退化与粒子衰退问题,根据退化程度计算动态自适应的遗传交叉概率,并利用高斯分布替代平均分布计算种群适应度。然后,将图像HSV直方图特征与改进粒子滤波算法结合,实现车辆多目标跟踪。最后,通过雷达目标投影点与视觉跟踪框的位置关系实现关联匹配,利用深度信息修正跟踪框的位置与尺寸。实验结果表明,相对于标准粒子滤波,改进的粒子滤波算法可以使平均跟踪准确率与精度分别提高22.1%与21.1%。相对于仅采用视觉跟踪,融合雷达数据的跟踪算法能够使车辆目标跟踪精度再次提高9.2%。

摘要： 针对交叉路口下不确定运动流车辆跟踪问题,提出一种基于多层图多角度对车辆进行跟踪的方法。构建多层图形将各运动流分配到具有不同邻域的不同层;将多角度视图下所有多层图形映射到所选定主视图中;通过求解映射主视图下运动流最短路径,实现对车辆轨迹的跟踪。由跟踪实验及分析,结果表明,该方法对交叉路口不确定运动流的车辆运行轨迹可有效预测并进行跟踪,且跟踪效果与地面真实情况基本一致,误判率维持6%以下,具有实际应用价值,可为智能交通中车辆的跟踪提供新的方法。

摘要： 为解决智能视频监控系统车辆跟踪过程中尺度伸缩变化造成的跟踪器模型漂移的问题,在SiamFC(基于全连接层的孪生网络目标跟踪算法)的基础上,提出一种基于树形尺度池的车辆跟踪算法。通过判断当前图片与模板图片中目标的大小,为其分配尺度因子,再通过尺度因子之间的响应大小确定当前目标的最佳尺度。此外,为保证模板图片能够适应车辆外观的不断变化,在确定尺度的条件下对模型进行自适应更新,提高跟踪算法整体的精确度和成功率。实验表明,该算法可以有效解决车辆跟踪中尺度变化导致的车辆漂移情况,且相对于其他孪生算法有更好的跟踪性能。

摘要： 为了在测产作业时,实时跟踪车辆作业运动轨迹,基于baidu地图设计开发了测产作业车辆跟踪系统.本系统结合全球定位系统(GPS)、网络地理信息系统(WebGIS)以及通用分组无线服务(GPRS)技术,采用浏览器/服务器(B/S)模式,基于百度地图API,使用JavaScript语言实现了地图的引入和操作.利用AJAX技术,实现了客户端与后台数据的交互,以及局部页面刷新.系统成功实现了基础地图的调入、浏览、平移、定点缩放和选择缩放,继而实现了车辆的动态定位、轨迹回放、实时监测与跟踪、实时显示产量数据、多点测距等一系列功能.试运行表明,系统能够对测产作业车辆进行跟踪定位和可视化。

摘要： 运动车辆跟踪是交通监控系统中进行车辆运动状态分析的基础.本文采用基于目标检测的运动目标跟踪策略,首先用时间差分法进行运动目标检测,获得运动目标的初始位置;然后采用卡尔曼滤波器预测运动目标下一时刻所在的位置,再利用运动目标检测的结果评估和矫正预测结果,获得运动目标的准确位置,并依据跟踪结果进行车辆的运动状态分析.实验表明,本方法可有效地解决运动目标部分遮挡及短时间全遮挡下的可靠跟踪问题.

摘要： 在"互联网+"时代下,道路交通环境是一个复杂系统,涉及人、车、路和环境等复杂因素,交通视频监控对于维护道路交通安全具有重要应用价值.车辆的违章行为检测和识别融合了计算机视觉、图像处理和模式识别等多项技术,它是提高交通视频监控智能化程度的一个重要途径.目前大多数交通视频监控系统中由监控人员进行道路监控和违章分析,浪费了大量的人力和时间,既不能够提供实时的处理,也没有充分发挥视频监控系统的主动性.因此,在交通视频中进行车辆违章行为的检测与分析的研究具有重要的理论意义和应用价值.本系统充分挖掘交通监控视频中的信息，运用改进的对称帧间差分法和滑动平均背景差分法对视频中的运动目标进行检测，准确地提取到运动目标的完整轮廓;对检测到的目标进行基于八连通的序贯算法的区域连通性分析，提取出车辆的特征并且识别出运动车辆，排除非机动车辆和行人的干扰;运用Kalman滤波算法结合金字塔Lucas-Kanade光流法对运动车辆建立跟踪列表，同时采用匈牙利算法建立数据关联，计算最优匹配，实现对多个运动车辆的持续跟踪并且绘制出运动轨迹，解决了目标遮挡和目标间相互干扰导致的跟踪失效，降低多目标跟踪的漏检率和误报率;通过对运动车辆轨迹的分析判断车辆的运动方向，从而进行车辆逆行违章的判定;运用三重背景更新算法实现对违章停车行为的判定，通过三重背景的对比准确地检测出违停车辆，具有较好的实时性和顽健性。最后进行系统融合，应用于目标检测、车辆识别、车辆跟踪，违章判定等方面，为客户提供相应的服务。

摘要： 为了克服Condensation滤波跟踪算法计算量大的缺点和采用颜色空间直方图进行目标特征表示带来的问题,本文提出了一种新的Condensation滤波技术,采用Kalman滤波器以低廉的计算成本进行初步目标跟踪定位,并用所得的初步跟踪结果来计算Condensation粒子动态传播模型中的确定性漂移部分,然后只需加入一个较小的随机扩散噪声来完成粒子的分撒.在目标特征表示上,采用PCA-Sift替代传统Condensation滤波算法中的颜色空间直方图,充分利用其在解决尺度、旋转、模糊、光照、仿射等问题上的优势,保证复杂场景下本文算法的鲁棒性.实验结果表明,本文在粒子动态传播模型和目标特征表示上进行的优化体现出了较好的效果,性能明显优于传统Condensation滤波算法.

摘要： 为了实现快速、稳健的模板匹配,本文介绍了一种新的快速搜索算法,并把它命名为改进的菱形搜索(IDS)算法.当运动矢量较小时,菱形搜索(DS)算法速度较慢,IDS算法为它加入了一步粗定位.大量的车辆跟踪实验表明,IDS算法在保证搜索性能的基础上增加了搜索速度,为模板匹配提供了更加有效的技术支持.

摘要： 针对传统的Mean Shift目标跟踪算法存在无法自动设置目标窗口的问题,设计了一种可以自动初始化窗口的Mean Shift算法,同时结合Kalman滤波,将其应用到违章车辆的跟踪上.仿真实验表明,该算法可以很好地实现跟踪效果.

摘要： 随着算法和硬件水平的不断提高,智能交通在现代城市中的应用越来越广泛,它不但极大地减轻了交警方面的负担,更为智能交通网络的建立提供了可能.轨迹跟踪是智能交通多方面应用的基础,本文提出一种基于车牌颜色和轮廓特征的视频车辆光流算法,对200万像素视频进行处理,单帧处理时间在20ms以内,跟踪正确率在90％以上,在效率和准确性方面均能够满足目前场景应用.

摘要： 随着算法和硬件水平的不断提高,智能交通在现代城市中的应用越来越广泛,它不但极大地减轻了交警方面的负担,更为智能交通网络的建立提供了可能.轨迹跟踪是智能交通多方面应用的基础,本文提出一种基于车牌颜色和轮廓特征的视频车辆光流算法,对200万像素视频进行处理,单帧处理时间在20ms以内,跟踪正确率在90％以上,在效率和准确性方面均能够满足目前场景应用.

摘要： 随着算法和硬件水平的不断提高,智能交通在现代城市中的应用越来越广泛,它不但极大地减轻了交警方面的负担,更为智能交通网络的建立提供了可能.轨迹跟踪是智能交通多方面应用的基础,本文提出一种基于车牌颜色和轮廓特征的视频车辆光流算法,对200万像素视频进行处理,单帧处理时间在20ms以内,跟踪正确率在90％以上,在效率和准确性方面均能够满足目前场景应用.

摘要： 随着算法和硬件水平的不断提高,智能交通在现代城市中的应用越来越广泛,它不但极大地减轻了交警方面的负担,更为智能交通网络的建立提供了可能.轨迹跟踪是智能交通多方面应用的基础,本文提出一种基于车牌颜色和轮廓特征的视频车辆光流算法,对200万像素视频进行处理,单帧处理时间在20ms以内,跟踪正确率在90％以上,在效率和准确性方面均能够满足目前场景应用.

摘要： 一种呼叫中心及其车辆位置的跟踪方法、车辆位置的跟踪系统，所述车辆位置的跟踪方法包括：接收到车载终端的呼叫请求后，向所述车载终端发送位置查询授权请求；获得所述车载终端对所述位置查询授权请求的授权信息后，向所述车载终端发送实时位置查询指令；处理所述车载终端的呼叫请求过程中，每隔预定时间间隔获取所述车载终端基于所述实时位置查询指令所发送的车辆当前位置信息。本发明能在呼叫中心处理车载终端发起的呼叫请求过程中，实现对车辆位置的跟踪，从而为用户提供更精确、周到、个性化的呼叫服务。

摘要： 本发明公开一种车辆目标轨迹跟踪系统，包括了数据采集系统和数据控制系统，数据采集系统有多个，每个数据采集系统包括交换机、工控机、车牌摄像头和毫米波雷达，车牌摄像头通过数据线连接工控机，毫米波雷达通过信号线与交换机相连，交换机通过信号线与工控机相连；数据控制系统包括数据服务器和数据显示仪，工控机通过公网数据转换器与数据服务器相连通，数据服务器上连接有数据显示仪。该系统可对目标车辆进行监控。本发明还公开一种车辆轨迹跟踪方法，该跟踪方法可对目标车辆的移动轨迹进行准确跟踪定位，创新性高。

摘要： 本发明涉及一种基于高清相机的车辆视频跟踪系统及车辆视频跟踪方法，属于交通控制技术领域。该系统包括高清相机、图像分析模块、牌号识别模块、图像编码模块和网络传输模块；该方法中，图像分析模块对高清相机采集的图像信息进行分析获得车辆图像信息，并对车辆图像信息内的车辆进行定位、跟踪和判别；进而通过牌号识别模块获得车辆牌号信息并利用图像编码模块获得网络传输格式的图像；最终利用网络传输模块发送所获得的信息。从而在实现高清晰度的图像采集以及高效图像数据处理的同时，能够监控对象进行跟踪，并为整个交通路网监控系统提供大量重要的交通数据信息，进而提升监控设备的接入能力以及与交通路网监控系统的整合能力。

摘要： 一种呼叫中心及其车辆位置的跟踪方法、车辆位置的跟踪系统，所述车辆位置的跟踪方法包括：接收到车载终端的呼叫请求后，向所述车载终端发送位置查询授权请求；获得所述车载终端对所述位置查询授权请求的授权信息后，向所述车载终端发送实时位置查询指令；处理所述车载终端的呼叫请求过程中，每隔预定时间间隔获取所述车载终端基于所述实时位置查询指令所发送的车辆当前位置信息。本发明能在呼叫中心处理车载终端发起的呼叫请求过程中，实现对车辆位置的跟踪，从而为用户提供更精确、周到、个性化的呼叫服务。

摘要： 本发明涉及一种用于通过机动车辆(1)的相机系统(2)跟踪接近机动车辆(1)的目标车辆(9)的方法。通过所述相机系统(2)的至少一个相机(3)提供所述机动车辆(1)的环境区域的图像(10)的时间序列。基于所述目标车辆(9)的前部(11)或后部的特征而通过所述相机系统(5)的图像处理设备(5)在所述序列的图像(10)中检测所述目标车辆(9)，并且然后基于所检测的特征而遍及所述序列的随后图像(10)跟踪所述目标车辆(9)。其中，由所述图像处理设备(5)在所述序列中的所述随后图像(10)之一中至少检测所述目标车辆(9)的侧向侧翼(14)的预定特征，并且在检测所述侧向侧翼(14)的所述特征之后，基于所述侧向侧翼(14)的所述特征而遍及所述序列中的其它图像(10)跟踪所述目标车辆(9)。

摘要： 这里披露了一种被盗车辆跟踪系统和方法。跟踪设备(1)包括：一通信可行区域识别和处理部分(7)，用来确定在本车(102)和服务中心(103)之间是否可以进行通信；以及一控制部分(12)，该控制部分如此进行控制，从而在通信可行区域识别和处理部分(7)判断出不能建立任何通信时中断给定信息的发射。

摘要： 本发明提供了车辆跟踪方法、车辆跟踪系统和计算设备，该方法包括：接收包含待识别车辆的至少一个待识别图像，对待识别图像中的车辆进行检测，以得到车辆的车辆图像和角度；从车辆图像提取车辆的与所述车辆的角度对应的向量信息；基于车辆的向量信息检索预先建立的车辆信息数据库中与该车辆的角度对应的向量信息字段，以得到候选结果；基于车牌识别结果对候选结果进行筛选，以得到最终结果，所述最终结果指示车辆信息数据库中的所筛选出的也包含该车辆的匹配图像。本发明充分利用城市监控系统，能够利用车辆的多模态信息实现车辆识别和跨境追踪，大大提高了车辆识别和跨境追踪的速度和准确率。

摘要： 本发明涉及的基于大数据的车辆跟踪系统包括中央控制服务器、通讯链路、底层服务器、道路摄像头、道路信息大数据存储服务器；道路摄像头用于采集道路视频；底层服务器对视频中的车辆信息进行识别，底层服务器将摄像头采集道路视频的时间、摄像头的地理位置、车牌号、车辆类型、车辆颜色和车辆图像一起形成一个数据单元，存储在底层服务器上，并由底层服务器通过通讯链路实时的把数据单元发送到中央控制服务器，并存储在道路信息大数据存储服务器上。提高了跟踪目标车辆的工作效率，节约了人力；其次，以往的违章车辆信息检索时，都是对车辆历史位置进行检索，本发明的基于大数据的车辆跟踪系统实现了车辆实时位置检索功能。

摘要： 这里披露了一种被盗车辆跟踪系统和方法。跟踪设备(1)包括：一通信可行区域识别和处理部分(7)，用来确定在本车(102)和服务中心(103)之间是否可以进行通信；以及一控制部分(12)，该控制部分如此进行控制，从而在通信可行区域识别和处理部分(7)判断出不能建立任何通信时中断给定信息的发射。

摘要： 本发明公开了一种基于注意力机制和多目标跟踪的公路车辆跟踪方法及系统，包括以下步骤：获取公路车辆视频数据；对所述视频数据中的帧图像，基于预训练的车辆检测跟踪模型，对车辆进行检测和跟踪；其中，所述车辆检测跟踪模型包括车辆检测模块和车辆跟踪模块，所述车辆检测模块基于嵌入注意力机制的神经网络训练得到。本发明通过在车辆检测阶段引入注意力机制，对特征图的不同通道赋予不同的权重，引导网络更多关注交通车辆的可视区域，提高了车辆检测任务的准确率。