通过模糊的C介质细分和空中图像上的DeepSORT进行自动驾驶汽车监控
Asifa Mehmood Qureshi1, Moneerah Alotaibi2, Sultan Refa Alotaibi2
1Department of Computer Science, Air University, Islamabad, Pakistan.
PeerJ. Computer science
|June 26, 2025
概括
本研究介绍了一种用于无人驾驶飞行器 (UAV) 交通监控的先进系统,改进了在复杂场景中使用人工智能和图像处理技术进行精确的交通密度估计的车辆检测和跟踪.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 交通工程是交通工程.
背景情况:
- 无人驾驶飞行器 (UAV) 为计算机视觉任务,如智能交通监控,提供了高机动性.
- 自动化交通监控系统面临挑战,特别是在复杂场景中准确地提取车辆前景.
研究的目的:
- 提出一种新的汽车检测和跟踪系统,用于使用空中图像进行自动驾驶汽车监控.
- 提高交通监测和密度估计的准确性和效率.
主要方法:
- 模糊的C-平均集群用于空中图像分割.
- YOLOv4深度学习算法,用于高效地检测小型物体的车辆.
- 加速强大的功能 (SURF) 用于多车辆的ID分配和恢复.
- 深度SORT (结合卡尔曼波器和深度学习) 进行准确的车辆跟踪.
- 预测车辆路径轨迹以确定交通流动方向.
主要成果:
- 在UAVDT数据集上达到0.82的车辆检测精度,在KIT-AIS数据集上达到0.80.
- 在UAVDT数据集上达到0.87的车辆跟踪精度,在KIT-AIS数据集上达到0.83.
- 在实验验证中证明了值得注意的车辆检测和跟踪率.
结论:
- 拟议的系统有效地解决了用于自主交通监控的车辆前景提取方面的挑战.
- 整合了Fuzzy C-mean,YOLOv4,SURF和DeepSORT,提供了准确的车辆检测,跟踪和流量分析.
- 该系统显示了改进智能交通管理系统的巨大潜力.


