基于逐帧车辆检测从航拍视频中进行大规模轨迹匹配与构建
物理与社会
2022-04-19 v1
摘要
车辆轨迹数据为交通流建模与分析提供了关键信息。无人机(UAV)因其时空覆盖的灵活性与多样性,成为交通数据采集的新兴技术。车辆轨迹由逐帧检测构建。车辆数量的增加使得多目标匹配更具挑战性。误差由像素抖动、车辆阴影、道路标线以及一些漏检引起。本研究提出了一种新颖的框架,通过基于交通流动态特征匹配车辆检测,从航拍视频中构建大规模车辆轨迹。采用 You Look Only Once (YOLO) v4 基于卷积神经网络(CNN)进行无人机视频中的车辆检测。在检测到的边界框中提出轨迹构建方法,包括轨迹识别、完整性增强以及从图像坐标到 Frenet 坐标的坐标变换。所得原始轨迹随后通过集合经验模态分解(EEMD)去噪。我们的框架在两个由无人机在城市快速路上拍摄的航拍视频上进行了测试,覆盖了拥堵与自由流交通条件。结果表明,所提框架在自由流与拥堵交通条件下对车辆轨迹的召回率分别达到 93.00% 和 86.69%,精确率分别达到 98.86% 和 98.83%。轨迹处理速度约为每条轨迹 30 秒。
引用
@article{arxiv.2204.07948,
title = {Massive Trajectory Matching and Construction from Aerial Videos based on Frame-by-Frame Vehicle Detections},
author = {Ruyi Feng and Zhibin Li and Changyan Fan},
journal= {arXiv preprint arXiv:2204.07948},
year = {2022}
}