【摘要】：车辆跟踪是交通事件检测的数据来源，因此车辆跟踪精度直接影响到事件检测的结果。针对这一难题，在车辆跟踪算法的基本原理介绍的基础上提出了一种基于反向ST－MRF模型的车辆遮挡分割算法。在信号交叉口准确获得行人和车辆的行为关系将是确保交叉口安全的首要任务，本章的论述是在ST－MRF模型的基础上，提出一种跟踪算法，该算法能在行人和车辆并存的情况下同时准确跟踪行人与车辆。
车辆跟踪是交通事件检测的数据来源，因此车辆跟踪精度直接影响到事件检测的结果。本章提出了一种基于ST－MRF模型的自适应车辆跟踪算法，在ST－MRF模型中，把图像分成块，将相邻图像间的块通过它们的矢量联系起来，建立运动序列图像的ST－MRF模型并且构造其相应的能量耗费函数，然后利用松弛算法实现目标地图最小化能量计算，获得目标地图和运动矢量地图。但是在车辆跟踪中车辆遮挡是普遍存在的问题，它将直接影响着跟踪的精度，因此遮挡是车辆跟踪研究中的关键问题。针对这一难题，在车辆跟踪算法的基本原理介绍的基础上提出了一种基于反向ST－MRF模型的车辆遮挡分割算法。该算法通过反向沿着时间轴运用ST－MRF累积图像，运动矢量的最优化和融合不完整的分割部分对车辆遮挡进行了比较完美的分割。在信号交叉口准确获得行人和车辆的行为关系将是确保交叉口安全的首要任务，本章的论述是在ST－MRF模型的基础上，提出一种跟踪算法，该算法能在行人和车辆并存的情况下同时准确跟踪行人与车辆。最后从跟踪结果——目标地图和运动矢量地图上获得车辆数、速度、平均速度和密度以及加速度和行车轨迹等交通参数，为下一章的交通事件检测研究提供基础数据。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
