攝像頭網絡中車輛檢測和識別方法的研究.pdf

1、近些年來，在視頻監(jiān)控聯網、高清化技術的推動下，交通行業(yè)視頻監(jiān)控業(yè)務的數據量快速增長。利用計算機視覺技術處理交通視頻得到有效的信息已經逐漸被重視，并且根據監(jiān)控視頻內容自動計算車輛運行軌跡已經可行。本文針對攝像頭網絡中車輛檢測和識別問題進行了研究。對于攝像頭網絡，既需要對單攝像頭下視頻處理，又需要建立多個攝像頭間的聯系，從而完成在攝像頭網絡中對車輛進行連續(xù)的追蹤。本文主要完成了以下工作:
　　使用Faster Region with

2、Convolutional Neural Network feature網絡，在原有檢測模型的基礎上，重新標記數據集，對網絡進行調優(yōu)，重新訓練車輛檢測模型。在單攝像頭下，提出了基于重疊面積率的車輛追蹤算法，該算法利用相鄰兩幀視頻幀中目標車輛的重疊面積率判定是否屬于同一軌跡，對于車輛被遮擋以及FasterR-CNN檢測失敗或漏檢的情況，加入卡爾曼濾波算法。利用卡爾曼濾波的預測機制，在進行重疊面積率計算后，若有未匹配成功的追蹤器或車輛，則使

3、用預測值進行匹配，這樣可以盡量避免因檢測失敗或車輛被遮擋而導致的追蹤車輛失敗的情況。除此之外，為更直觀的表達追蹤結果，使用單應矩陣對追蹤結果進行了可視化。
　　在多攝像頭下，針對不同攝像頭下光照、拍攝角度等不同使得車輛再識別難度加大這一問題，本文根據攝像頭間的時空關系、車型屬性以及車輛ConvolutionalNeural Network特征建立了車輛再識別模型。其中利用攝像頭的地理位置可以得到攝像頭的空間信息，對視頻統(tǒng)計可以得到