یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از گروه بندی سلسله مراتبی ادغام و تقسیم

ردیابی خودرو یکی از چالشهای مهم در سیستمهای حمل و نقل هوشمند جهت تخمین موقعیت خودرو در فریم بعدی از یک دنباله متوالی تصاویر از ویدئوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین زننده ویژگی kanade-lucas-tomasi (klt) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها بوسیله ویژگیهای ردیابی شده، یک الگوریتم گروه بندی دو مرحله ای سلسله مراتبی ادغام و تقسیم پیشنهاد می گردد. در الگوریتم گروه بندی پیشنهادی با تعریف معیارهایی همچون معیارهای فاصله، گستردگی و همچنین آنالیز حباب نتایج گروه بندی اولیه حاصل شده از الگوریتم خوشه بندی k-means اصلاح می گردد. علاوه براین، جهت تصحیح عملکرد الگوریتم تخمین زننده ویژگی klt و همچنین استفاده مناسبتر از نتایج گروه بندی الگوریتم پیشنهادی، یک الگوریتم کارآمد تطبیق گروه های ویژگی براساس نقشه ادغام و تقسیم جهت تطبیق گروه ویژگیهای ردیابی شده از یک فریم به فریم بعد پیشنهاد می شود. در این الگوریتم تطبیق سعی شده است که با استفاده از ویژگیهای منطبق شده بین دو فریم، خودروهای متناظر در آن دو فریم به درستی تطبیق داده شوند. الگوریتم ردیابی پیشنهادی بر روی ویدئوهای آزمایشی متفاوتی با شرایط نورپردازی متفاوت همچون روز، شب و وجود سایه ارزیابی می گردد. نتایج حاصل نشان می دهد که الگوریتم ردیابی پیشنهادی اکثر چالشهای مهم ردیابی خودرو در کاربردهای عملیاتی سیستمهای حمل و نقل هوشمند را پوشش می دهد.