1、隨著機(jī)動(dòng)車數(shù)量的不斷增加，城市交通擁堵問題日益嚴(yán)重，傳統(tǒng)的人工監(jiān)控已經(jīng)不能滿足城市發(fā)展的需要。因此，發(fā)展智能交通監(jiān)控系統(tǒng)至關(guān)重要。車輛跟蹤技術(shù)是交通監(jiān)控系統(tǒng)的重要組成部分，其目的是在視頻序列中持續(xù)不斷地定位移動(dòng)車輛。近年來，低空對(duì)地車輛跟蹤系統(tǒng)吸引了許多研究人員的關(guān)注，其核心是利用安裝在無人飛機(jī)上的傳感器去獲取交通信息，再利用圖像處理技術(shù)、計(jì)算機(jī)視覺等技術(shù)去跟蹤目標(biāo)車輛，達(dá)到監(jiān)控交通的目的。與攝像頭安裝在路邊建筑物的靜態(tài)跟蹤系統(tǒng)相比，低

2、空對(duì)地車輛跟蹤系統(tǒng)具有機(jī)動(dòng)性高、維護(hù)成本低和監(jiān)控范圍大等優(yōu)點(diǎn)。但是，由于平臺(tái)的運(yùn)動(dòng)性和車輛運(yùn)動(dòng)的不確定性，低空對(duì)地車輛跟蹤系統(tǒng)的設(shè)計(jì)仍然是一個(gè)具有挑戰(zhàn)性的難題。
　　 本文以低空對(duì)地多車輛跟蹤為研究對(duì)象，引入部分車輛之間的關(guān)聯(lián)特性，提出了一種基于貝葉斯估計(jì)的低空對(duì)地多車輛跟蹤方法。
　　 首先，由于低空對(duì)地多車輛跟蹤過程中環(huán)境復(fù)雜，目標(biāo)較多，對(duì)每個(gè)目標(biāo)進(jìn)行單獨(dú)跟蹤速度并不理想；同時(shí)，當(dāng)前的成組跟蹤方法并沒有對(duì)分組結(jié)構(gòu)進(jìn)行

3、更新。因此，本文提出了一種基于卡爾曼濾波和分組策略的低空對(duì)地多車輛跟蹤方法。這個(gè)方法包括兩層結(jié)構(gòu)：高層跟蹤器根據(jù)車輛的狀態(tài)信息計(jì)算目標(biāo)之間的相關(guān)性，基于相關(guān)性實(shí)現(xiàn)目標(biāo)車輛的分組，每個(gè)小組被獨(dú)立地跟蹤；同時(shí)實(shí)時(shí)更新目標(biāo)車輛的狀態(tài)信息，實(shí)現(xiàn)小組的動(dòng)態(tài)分割和合并。底層跟蹤器由卡爾曼濾波和直方圖匹配算法構(gòu)成，負(fù)責(zé)對(duì)目標(biāo)的預(yù)測(cè)和定位并獲取它們的狀態(tài)信息。通過兩層跟蹤器的結(jié)合，目標(biāo)車輛被分為不同的小組進(jìn)行跟蹤，大大減少了攝像機(jī)抖動(dòng)造成的影響，提高了

4、多車輛跟蹤的效率，實(shí)現(xiàn)了精確度和速度的平衡。
　　 其次，分組跟蹤方法仍然需要對(duì)每個(gè)小組進(jìn)行獨(dú)立的跟蹤。為了進(jìn)一步改進(jìn)系統(tǒng)的效率，本文引入視覺關(guān)注機(jī)制，將粒子濾波算法與改進(jìn)的卡爾曼濾波算法進(jìn)行融合，實(shí)現(xiàn)對(duì)車輛的整體跟蹤?；谝曈X顯著度判定車輛跟蹤難易程度將濾波器分為兩類：第一類是獨(dú)立的，即對(duì)于容易跟蹤的車輛，本文用單獨(dú)的濾波器獨(dú)立跟蹤；第二類是非獨(dú)立的，即對(duì)于較難跟蹤的車輛，借助于第一類的結(jié)果來簡(jiǎn)化跟蹤過程，提高精確度。結(jié)合濾波