杨 露，宋焕生，张朝阳

长安大学 信息工程学院，西安 710064

1 引言

随着我国交通的飞速发展，基于视频的交通参数和交通事件检测、交通行为分析、安全预警及路侧辅助驾驶等，逐渐成为智能交通（ITS）领域的热点研究课题。其中，一个核心且关键的问题就是实现对交通目标（主要是车辆）高效准确的检测跟踪。

目前对车辆检测跟踪的方法可以分为两大类：自顶向下的方法、自底向上两大类。自顶向下的方法是以运动目标整体的结构为研究对象。该类方法在高清视频、光线良好且车辆之间无遮挡时具有很高的检测及跟踪精度。但其计算复杂度较高，运行效率较低，难以满足实时性的需求；且在实际场景中，当光线不稳定、车辆之间互相遮挡时极易出现误检以及目标丢失，导致车辆轨迹不完整影响车辆轨迹信息的准确提取。自底向上的方法采用从局部到整体的分析方法，以车辆目标局部的特征点检测为基础，逐渐向上完成目标的分割过程。该类方法对光照、抖动、遮挡等情况具有一定的稳定性，且其算法较为简单、运行效率高，更能满足实际应用中实时性的需求。该类方法通常先获取车辆特征点轨迹，对轨迹属于哪辆车进行判断。故轨迹聚类成为该类方法中的核心问题。

现有的轨迹聚类方法主要分为两类，一类是基于轨迹距离度量的分类方法。该方法以建立面向轨迹的度量为主要方向，对轨迹之间的距离进行研究。例如，Berndt等[1]提出了动态时间弯曲距离DTW（Dynamic Time Warping）。……