CN114092517B 基于传统和深度学习算法的多目标跟踪方法 （江苏航天大为科技股份有限公司）_第1页
CN114092517B 基于传统和深度学习算法的多目标跟踪方法 （江苏航天大为科技股份有限公司）_第2页
CN114092517B 基于传统和深度学习算法的多目标跟踪方法 （江苏航天大为科技股份有限公司）_第3页
CN114092517B 基于传统和深度学习算法的多目标跟踪方法 （江苏航天大为科技股份有限公司）_第4页
CN114092517B 基于传统和深度学习算法的多目标跟踪方法 （江苏航天大为科技股份有限公司）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于传统和深度学习算法的多目标跟踪方法本发明提供基于传统和深度学习算法的多2在轨迹预测方面增加改进的光流估计-区域匹配法，这通过采集复杂路口视频，对其进行预处理作为数据集，并将数据集2)将该帧框和上一帧通过Tracks预测的框进行IOU33)将2)中得到的所有的代价矩阵作为匈牙5)将两种算法预测框IOU大于阈值以及确认态的Tracks的框与Detections进行级联匹前的不确认状态的Tracks和失配的Tracks一起和UnmatchedDetections一一进行IOU匹7)将6)中得到的所有的代价矩阵作为匈牙到的结果有三种，第一种是Tracks失配，我们直接将失配的Tracks删除；第二种是4避免扩展的卡尔曼滤波出现预测轨迹出现严重[0004]针对现有技术的不足，本发明提供了基于传统和深度学习算法的多目标跟踪方[0018]在轨迹预测方面增加改进的光流估计-区域匹配法，这类方法是将速度Vm定义为5[0028]3)将2)中得到的所有的代价矩阵作为匈牙利算法的输入，得到线性的匹配的结果，得到的结果有三种，第一种是Tracks失配，直接将失配的Tracks删除；第二种是[0030]5)将两种算法预测框IOU大于阈值以及确认态的Tracks的框与Detections进行级将之前的不确认状态的Tracks和失配的Tracks一起和UnmatchedDetections一一进行IOU[0032]7)将6)中得到的所有的代价矩阵作为匈牙利算法的输入，得到线性的匹配的结6[0051]在轨迹预测方面增加改进的光流估计-区域匹配法，这类方法是将速度Vm定义为7[0062]3)将2)中得到的所有的代价矩阵作为匈牙利算法的输入，得到线性的匹配的结(因为这个Tracks是不确定态了，如果是确定态的话则要连续达到一定的次数(默认30次)才可以删除)删除；第二种是Detections失配(UnmatchedDetections)，将这样的[0064]5)将两种算法预测框IOU大于阈值以及确认态的Tracks的框与Detections进行级联匹配(之前每次只要Tracks匹配上都会保存Detections其的外观特征和运动信息，默认(confirmed)的Tracks和De将之前的不确认状态的Tracks和失配的Tracks一起和UnmatchedDetections一一进行IOU[0066]7)将6)中得到的所有的代价矩阵作为匈牙利算法的输入，得到线性的匹配的结果，得到的结果有三种，第一种是Tracks失配(UnmatchedTracks)，我们直接将失配的30次)才可以删除；第二种是Detections失配(UnmatchedDetections)

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论