22、城市车辆跟踪与医学图像认知分析技术

城市车辆跟踪与医学图像认知分析技术

1. 城市车辆跟踪技术

1.1 跟踪原理

跟踪为前一阶段的检测和分类结果引入了时间一致性。通过引入可变采样率的卡尔曼滤波器对分类器进行扩展。由于噪声，联合分类器的检测器可能在某些帧中拒绝有效车辆，这就要求卡尔曼滤波器在可变时间间隔上运行。跟踪在场景的地平面上进行，这简化了诸如公交专用道监控等行为分析。

使用卡尔曼滤波器的标准公式来建立车辆的恒速模型：
[
\begin{cases}
\mathbf{x} k = \mathbf{F}\mathbf{x} {k - 1} + \mathbf{B}\mathbf{u}_k + \mathbf{w}_k \
\mathbf{z}_k = \mathbf{H}\mathbf{x}_k + \mathbf{v}_k \
\mathbf{u}_k = 0
\end{cases}
]
其中状态向量 (\mathbf{x}_k = \begin{bmatrix} x, y, v_x, v_y \end{bmatrix}^T)，测量向量 (\mathbf{z}_k = \begin{bmatrix} x, y \end{bmatrix}^T)。滤波器所有与时间和速度相关的常数都基于秒，而不是采样率或帧率。地平面坐标以米为单位，所有噪声和位置估计以米或米每秒为单位。

当转移矩阵 (\mathbf{F}) 中从速度到位置的积分常数 (T_0) 以秒为单位定义时，上述公式有效：
[
\mathbf{F} =
\begin{bmatrix}
1 &