49、车辆检测、跟踪、速度估计与量子计算在 COVID - 19 中的应用

车辆检测、跟踪、速度估计与量子计算在 COVID - 19 中的应用

1. 车辆检测、跟踪与速度估计

1.1 跟踪方法

提出了一种基于质心跟踪的目标跟踪算法，该算法依赖于记录或视频中连续帧之间现有物品质心（即质心跟踪器先前最近观察到的对象）与新物品质心之间的欧几里得距离。质心跟踪算法是一个多步骤的测量过程，包含以下五个阶段：
1. 确认边界框，并记录质心。
2. 计算新边界框与现有物品之间的欧几里得距离。
3. 更新现有物品的 (x, y) 坐标。
4. 注册新物品。
5. 注销旧物品。

1.2 速度估计方法

使用的速度公式为：速度 = 距离 / 时间。具体操作步骤如下：
1. 以像素为单位的距离通过前一质心位置和当前质心位置之间的欧几里得距离计算得出。
2. 下一步计算该区域以米为单位的距离。
3. 记录开始时间和结束时间，它们的差值即为所需时间。
4. 计算每对时间戳对应的速度值以及相应的估计距离。
5. 每次计算特定对象在帧内的所有速度并求平均值，以获得当前速度。
6. 将速度转换为公里每小时（kmph）。

1.3 结果与结论

为了测试原型，从不同的在线平台收集了不同地点的录像样本，以捕捉不同速度和背景下的车辆。测试阶段帮助修复了一些执行中的错误，但仍需要提高分类器在每个识别帧中识别车辆的效率，并改进扣除固定物品的功能。尽管在识别车辆方面存在一些问题，但该模型在实验室展示中通常表现良好。此项目是实时车辆识别的重点之一，可用于识别碰撞。未来可以考虑设计一个程序来识别实时视频中描述的任何事故并通知危