科研之友
微信
新浪微博
Facebook
分享链接
摘要
在采集交通流视频时，容易发生抖动，使获得的视频出现运动模糊，由于传统的多车跟踪模型缺乏有效的调节机制，因此多车跟踪精度较低。该文利用UA-DETRAC数据集提出一种抗运动模糊的交通流视频多车跟踪方法，即应用DarkNet53网络提取车辆特征，然后使用卡尔曼滤波与级联匹配进行多车跟踪，最后采用基于Laplacian算子和生成对抗网络的方法解决视频帧运动模糊的问题。试验表明，与传统多车跟踪模型对比，该方法将漏检率和误检率提升了近18.89%，更能满足实际场景的需求，可以为相关系统的设计提供一定参考。
- 单位
