24、无人机视频车辆轨迹信息提取与指纹行为生物识别研究

无人机视频车辆轨迹信息提取与指纹行为生物识别研究

无人机视频车辆轨迹信息提取

随着无人机在商业和民用领域的广泛应用，其在交通监控方面的作用日益凸显。全球商业和民用无人机市场正以19%的复合增长率增长，预计到2025年，仅美国商业无人机市场就将创造超过10万个就业岗位，产生820亿美元的经济影响。无人机凭借其多功能性和高分辨率相机，能够从不同位置、角度和高度收集视觉数据，为交通和驾驶行为数据的收集提供了便利。

然而，目前交通道路使用数据的收集面临诸多挑战。传统的手动跟踪车辆进出道路段的方法不仅耗时费力，而且传统的气动管跟踪车辆的方式也无法研究微观旅行行为。因此，开发一种自动化的车辆轨迹信息提取框架具有重要意义。

在相关研究中，无人机在交通监控和旅行者行为分析方面有诸多应用。例如，有系统用于监测道路驾驶行为，通过分析车辆轨迹来识别不安全操作并采取相应措施；也有研究通过无人机视频分析车辆的间隙接受情况、交通流量和速度等参数。但这些应用大多采用手动数据提取方法，效率低下。对于固定相机情况，研究人员能够高精度地提取轨迹数据；而对于相机运动的情况，虽然有一些新方法，但在无额外信息稳定视频的情况下仍存在挑战。

为了解决这些问题，研究采用了预训练在Microsoft COCO数据集上的YOLOv4模型进行车辆检测和轨迹信息提取，具体步骤如下：
1. 车辆检测
- 使用YOLOv4机器学习模型逐帧进行目标检测。该模型可检测Microsoft COCO数据集中的80种不同类别的对象，并输出对象的类别、置信度和位置。
- 针对同一对象多次检测的问题，采取以下措施：
- 降低非极大值抑制的阈值，以消除重叠的