基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤與識(shí)別及其在智能交通系統(tǒng)中的應(yīng)用.pdf

1、隨著汽車數(shù)量的日益增加,交通密度的大幅提高,交通緊張、擁擠問題越來越成為城市發(fā)展面臨的難題.智能交通系統(tǒng)由于其顯著的緩解交通擁擠,提高交通效率的作用,受到了普遍的重視,而視頻交通監(jiān)控技術(shù)是實(shí)現(xiàn)這一目標(biāo)的重要手段.該論文的主要研究?jī)?nèi)容為基于視覺的交通監(jiān)控方法的研究,其中主要涉及到靜止背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)和分割,運(yùn)動(dòng)目標(biāo)的識(shí)別以及車輛目標(biāo)的跟蹤等方法的研究.論文在運(yùn)動(dòng)目標(biāo)檢測(cè)研究方面,介紹了當(dāng)前幾種經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,并對(duì)各個(gè)算法進(jìn)行了

2、實(shí)驗(yàn)比較和闡述了各自的優(yōu)缺點(diǎn).在此基礎(chǔ)上,提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,并給出了實(shí)驗(yàn)結(jié)果.與傳統(tǒng)閾值選取一般根據(jù)經(jīng)驗(yàn)人工設(shè)定閾值不同,該論文提出了一種基于三高斯模型的自適應(yīng)閾值選取方法,實(shí)驗(yàn)結(jié)果表明該方法具有很好的分割效果.另外,該論文還通過基于背景模型的方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè),取得了很好的檢測(cè)效果.在運(yùn)動(dòng)目標(biāo)分割研究方面,與傳統(tǒng)的基于歐式距離的K均值聚類不同,該論文提出了改進(jìn)的基于加權(quán)平方歐式距離的聚類方法.實(shí)驗(yàn)結(jié)果表明收斂速度明

3、顯提高,大大增強(qiáng)了實(shí)時(shí)性.對(duì)于分割導(dǎo)致的過分割問題以及路面上車輛咬合現(xiàn)象,通過運(yùn)動(dòng)估計(jì)的方法得到了很好地解決.在實(shí)際場(chǎng)景中,由于光照的原因運(yùn)動(dòng)目標(biāo)產(chǎn)生的陰影會(huì)影響后面目標(biāo)的識(shí)別以及跟蹤.對(duì)此,該論文利用了一種簡(jiǎn)單有效的陰影去除方法很好地去除了陰影.在運(yùn)動(dòng)目標(biāo)識(shí)別研究方面,該論文針對(duì)行人與車輛目標(biāo)具有各自不同的特點(diǎn),提出了幾個(gè)適合于分類的特征,并在此基礎(chǔ)上利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行識(shí)別,取得了很好的實(shí)驗(yàn)結(jié)果.在運(yùn)動(dòng)目標(biāo)跟蹤研究方面,著重討論