原文传递
基于多维时空信息的车辆轨迹重绘算法设计与实现
| 论文题名： | 基于多维时空信息的车辆轨迹重绘算法设计与实现 |
| 关键词： | 车辆轨迹重绘算法;车辆跟踪;车辆重识别;图像拼接;轨迹优化 |
| 摘要： | 车辆轨迹排查是交通信息分析与事故处理的重要手段。针对车辆行驶轨迹排查过程中难度大、效率低、自动化程度不高等问题，论文围绕多维时空下的车辆跟踪任务对车辆检测跟踪、车辆重识别及车辆轨迹重绘算法展开研究，主要完成工作包括： （1）建立了一种基于Yolov4的LSTM-Deepsort车辆检测跟踪模型。针对当前车辆检测跟踪准确率不高、鲁棒性低、目标跳变等问题，论文以Yolov4为检测器，考虑车辆行驶过程中位置变化的时序性，通过融合车速的LSTM目标框预测算法改进Deepsort跟踪器。实验结果表明融合车速的LSTM目标框预测算法的R2与IoU达到99.99%、96.28%，改进后的车辆检测跟踪模型的IDs降低了9，MOTA提升了4.2%，有效降低了车辆遮挡下的目标跳变率，提高了车辆跟踪的准确率及鲁棒性。 （2）构建了一种引入JPM与SIE的改进ViT车辆重识别网络。由于现有车辆重识别算法鲁棒性差，受非视觉因素干扰严重，论文以滑动窗口提取的重叠像素作为网络输入，JPM用于获取鲁棒性高的特征，SIE统一编码融合了相机与视角信息，GPSA平衡卷积与Transformer改进ViT中的自注意力机制。在VeRi数据集上验证改进后的ViT车辆重识别网络，mAP、Rank-1、Rank-5分别为83.64%、98.27%、99.03%，有效增强了车辆重识别的鲁棒性，消除了非视觉因素干扰，提高了重识别准确率。 （3）设计了一种基于多维时空信息的车辆轨迹重绘算法。鉴于多维时空下的车辆检测跟踪中轨迹数据缺失、不平滑现象时有发生，论文结合SR的最佳缝合线多波段拼接算法实现场景重构，基于BiLSTM轨迹双向补全算法对轨迹缺失段进行补全，采用Savitzky-Golay轨迹优化算法优化平滑补全轨迹。实验中车辆轨迹重绘算法轨迹补全的RMSE、MAPE、R2分别达到了5.79、2.34%、99.29%，有效降低了误差累计问题，减少了轨迹数据抖动现象，在平滑优化轨迹的同时保留了轨迹的原始运动规律。 综上所述，论文研究成果为交通状态评估、车辆行驶信息提取与分析提供了有力的技术支持，提高了车辆轨迹排查效率。 |
| 作者： | 常惠 |
| 专业： | 计算机科学与技术 |
| 导师： | 郭兰英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
