基于运动轨迹特征学习的行驶区域自扩充算法

黄林泉，蒋良卫

（南华大学计算机学院，衡阳 421000）

0 引言

近年来随着我国经济迅速发展，各地城市化进程加快，机动车数量不断增加，据公安部统计，截至2019年上半年全国机动车保有量达3.4亿辆，新登记汽车1242万辆，新领证驾驶人1408万人。全国66个城市汽车保有量超过100万辆，其中北京、成都等11个城市超过300万辆。如此巨大数目的机动车涌入街道使得城市交通不堪重负，交通事故、交通拥堵、环境污染以及能源浪费等问题日益严重，与此同时，机动车违章行为也变得屡见不鲜。如何实施高效的交通管控治理俨然成为一大难题。而在如今大数据时代，随着深度学习技术的不断革新与突破，如目标检测、图像分类、图像分隔等技术被广泛应用于医学领域、军事领域以及工业领域，因此在交通领域中融入深度学习技术进行智能交通管控将会是解决上述问题的一把利刃。

本文研究的是智能交通应用中的一项核心基础任务-车道行驶区域分隔，对车道行驶区域进行有效的分隔可以很好地帮助统计各车道的车流量信息以及逆向行驶、违规越线等违章行为的判断。本文提出了一种行驶区域自动扩充的算法，首先使用目标跟踪技术获取机动车运动轨迹，然后对其进行过滤拟合，结合轨迹端点与区域顶点之间的位置关系对各车道行驶区域进行扩充，并且可以通过学习各车道运动轨迹的特征，以确定其合法行驶方向。

1 相关技术

1.1 目标跟踪

为了获取机动车目标的运动轨迹信息，需要对机动车目标跟踪定位。……