【技术实现步骤摘要】
本专利技术属于智能交通系统，尤其涉及一种压缩感知车辆图像重建与车辆追踪方法。
技术介绍
1、汽车拥有量连年稳步提升，很多一线城市的交通建设在高速推进的同时，出现了严重的交通拥挤和道路堵塞现象，为了缓解交通压力，许多城市开始采用智能交通系统(intelligenttrafficsystem，简称its)。目前，城镇道路大多直接通过普通摄像头采集视频车辆图像来进行运动车辆检测，相较于早期的传感器检测方法来说性价比高，且后续的维护工作更方便，但在实际应用场景中，目前获取视频车辆图像的方式需要先完整采集车辆图像信息，然后再进行压缩和传输，随着智能交通系统对车辆图像要求的不断提高，这种方式逐渐暴露出传输端压力过大、采样端的成本过高等问题。因此，如何提供一种既可以降低采集端、传输端和存储端三端的计算压力，又能够重建出高品质车辆图像的车辆追踪方法，是本领域技术人员亟需解决的问题。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种压缩感知车辆图像重建与车辆追踪方法，解决了存在计算压力的同时...
【技术保护点】
1.一种压缩感知车辆图像重建与车辆追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述S1包括以下步骤：
3.根据权利要求2所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述粗粒度采样的表达式如下：
4.根据权利要求2所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述两极采样矩阵的训练过程如下：
5.根据权利要求1所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述S2包括以下步骤：
6.根据权利要求5所述的压缩感知车辆图像重...
【技术特征摘要】
1.一种压缩感知车辆图像重建与车辆追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述s1包括以下步骤：
3.根据权利要求2所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述粗粒度采样的表达式如下：
4.根据权利要求2所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述两极采样矩阵的训练过程如下：
5.根据权利要求1所述的压缩感知车辆图像重建与车辆追踪方法，其特征在于，所述s2包括以下步骤：...
【专利技术属性】
技术研发人员：蔡芷珊，冯文琪，杨俊鑫，杨涵，何赟，赵登朔，马晓晴，李雨微，蒋欣岑，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。