基于Mean-Shift改進算法的運動車輛檢測與跟蹤.pdf

1、　　智能交通系統(tǒng)(Intelligent Transportation Systems)是一個廣泛的概念。基于計算機視覺、模式識別與圖像處理的交通監(jiān)控系統(tǒng)是其十分重要的組成部分。隨著我國車輛工業(yè)的蓬勃發(fā)展以及公路網(wǎng)絡(luò)的日臻完善，越來越受到交通監(jiān)管部門、高校以及科研院所的重視。
　　運動目標(biāo)提取后對目標(biāo)進行行為分析是幾乎所有此類智能交通監(jiān)控系統(tǒng)的核心框架。課題針對目前交通監(jiān)控主要依托人工的現(xiàn)狀，主要研究運動車輛提取和基于Mean

2、-Shift改進算法的車輛跟蹤及行為分析。解決了傳統(tǒng)交通監(jiān)控耗費過多人力以及相似智能監(jiān)控系統(tǒng)在前景提取、陰影抑制和跟蹤上面的不足。
　　運動車輛在視頻流中的分割與提取是進行車輛行為分析的基礎(chǔ)。其中，背景差分(Background Difference)與幀間差分(Frame Difference)是因為運算簡單、時效性高等特點被廣泛應(yīng)用。針對課題的特點，論文改進了背景差分同時結(jié)合三幀差分來進行運動車輛提取。此算法在保證實時性的

3、前提下，能更好地保證運動車輛前景的完整性。
　　完整的運動目標(biāo)提取后不僅包括車輛本身，也包括運動車輛產(chǎn)生的陰影。陰影與運動車輛的混淆造成在識別、分割上的眾多錯誤，因此陰影抑制是前景提取后一項重要的工作。論文基于課題特點提出一種多特征結(jié)合進行陰影抑制的算法，實驗證明了方法的有效性。
　　得到經(jīng)過陰影抑制的前景運動車輛后，課題選擇在目標(biāo)跟蹤基礎(chǔ)上進行運動車輛的行為分析。傳統(tǒng)的Mean-Shift算法在車輛跟蹤時會出現(xiàn)一些