یک الگوریتم ردیابی خودرو مبتنی‌بر ویژگی با استفاده از گروه‌بندی سلسله‌مراتبی ادغام و تقسیم

ردیابی خودرو یکی از چالش‌های مهم در سیستم‌های حمل و نقل هوشمند جهت تخمین موقعیت خودرو در قاب بعدی از یک دنباله متوالی تصاویر از ویدیوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین‌زننده ویژگی kanade-lucas-tomasi (klt) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها با ویژگی‌های ردیابی‌شده، یک الگوریتم گروه‌بندی دومرحله‌ای سلسله‌مراتبی ادغام و تقسیم پیشنهاد می‌شود. در الگوریتم گروه‌بندی پیشنهادی با تعریف معیارهایی همچون معیارهای فاصله، گستردگی و همچنین آنالیز حباب نتایج گروه‌بندی اولیه حاصل شده از الگوریتم خوشه‌بندی k-means اصلاح می‌شود. علاوه‌براین، جهت تصحیح عملکرد الگوریتم تخمین‌زننده ویژگی klt و همچنین استفاده مناسب‌تر از نتایج گروه‌بندی الگوریتم پیشنهادی، یک الگوریتم کارآمد تطبیق گروه‌های ویژگی براساس نقشه ادغام و تقسیم جهت تطبیق گروه ویژگی‌های ردیابی‌شده از یک قاب به قاب بعد پیشنهاد می‌شود. در این الگوریتم تطبیق سعی شده است که با استفاده از ویژگی‌های منطبق‌شده بین دو قاب، خودروهای متناظر در آن دو قاب به‌درستی تطبیق داده شوند. الگوریتم ردیابی پیشنهادی بر روی ویدیوهای آزمایشی متفاوتی با شرایط نورپردازی متفاوت همچون روز، شب و وجود سایه ارزیابی می‌شود. نتایج حاصل نشان می‌‌دهد که الگوریتم ردیابی پیشنهادی اکثر چالش‌های مهم ردیابی خودرو در کاربردهای عملیاتی سامانه‌های حمل و نقل هوشمند را پوشش می‌دهد.