杜丹丰 申明雨

（东北林业大学交通学院，黑龙江 哈尔滨 150040）

0 引言

通过监控摄像头采集视频流数据，并对交通流视频中的车辆进行检测、跟踪，能够有效提升公路智能化管理水平。交通流视频多车辆跟踪是目前公路视频监控中比较先进的技术之一。它具有施工时无须破坏路面、检测器安全且拆卸方便等优点，同时能够为分析和管理交通提供可靠的依据。

当采集交通流视频时容易发生抖动，所获得的交通流视频易出现运动模糊的情况，降低了车辆跟踪器的精度。当前针对该工况的研究较为匮乏，由于多数多车跟踪模型缺乏应对运动模糊的调节机制，因此跟踪精度较低，难以应对运动模糊的场景。

该文利用UA-DETRAC 数据集提出了一种抗运动模糊的交通流视频多车跟踪方法。首先，应用K 均值聚类算法（K-means 聚类算法）得到关于车的尺寸的先验框。其次，选择性能较好的DarkNet53 网络提取车辆特征。再次，使用卡尔曼滤波与级联匹配进行多车的跟踪。最后，构建基于 Laplacian算子和生成对抗网络的运动模糊检测、去除模块，该模块既具备抗运动模糊的能力，又能满足现实工况中的需求。

1 多车跟踪模块

1.1 车辆跟踪数据集

UA-DETRAC自动驾驶数据集是于2018 年被提出来的，其样图如图1 所示。它包括了100 个具有不同挑战的视频序列，这些视频均是在真实的交通场景中的不同位置、不同角度拍摄下来的。其中标注帧数超过140 000 帧，标注内容包括车辆类型、是否有遮挡、折断比例以及车辆真实框位置等。……