通过空中图像数据集的DeepSort进行车辆识别管道
Muhammad Hanzla1, Muhammad Ovais Yusuf1, Naif Al Mudawi2
1Faculty of Computing and AI, Air University, Islamabad, Pakistan.
Frontiers in neurorobotics
|September 2, 2024
概括
本研究介绍了使用无人机 (UAV) 进行智能交通监控的自动化系统. 该方法提高了复杂的空中场景中的车辆检测和跟踪精度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 无人驾驶飞行器 (UAV) 在交通监控方面提供了效率,但在复杂场景中进行自动车辆提取方面存在困难.
- 在航空图像中自动识别和跟踪车辆仍然是一个重大挑战.
研究的目的:
- 开发一个先进的自动驾驶汽车监控系统,用于智能交通监控.
- 为了提高空中图像中车辆检测和跟踪的准确性和效率.
主要方法:
- 使用 Fuzzy C-Means (FCM) 进行图像细分和YOLOv8进行精确的车辆检测.
- 采用ORB功能,用于强大的车辆识别和跨的分配.
- 集成DeepSORT与卡尔曼过和深度学习,用于准确的车辆跟踪.
主要成果:
- 在VEDAI数据集上实现了0.86的车辆检测精度,在SRTID数据集上达到0.84的精度.
- 车辆跟踪准确度在VEDAI上为0.89,在SRTID上为0.85.
结论:
- 拟议的方法显著提高了自动驾驶汽车监控能力.
- 该系统为使用无人机的智能交通监控提供了强大的解决方案.
