基于車載攝像頭的前方運動車輛檢測與跟蹤方法研究.pdf

1、隨著公路交通的飛躍式發(fā)展，為人們的出行提供便利，但交通阻塞、安全和污染等問題越來越突出，以致威脅到人身財產(chǎn)安全。然而前方運動車輛檢測與跟蹤是智能交通系統(tǒng)領(lǐng)域的一個重要的研究方向，利用基于車載攝像頭獲知前方路況信息，檢測與跟蹤前方運動目標(biāo)，提供實時準(zhǔn)確的路況信息是智能車輛安全駕駛、自主導(dǎo)航及交通系統(tǒng)研究領(lǐng)域的熱點。
　　前方運動車輛的檢測與跟蹤系統(tǒng)中，外界環(huán)境對車輛的干擾和車輛間部分遮擋問題是車輛檢測與跟蹤的難點，以及基于DSP平臺

2、上如何優(yōu)化算法是系統(tǒng)實現(xiàn)的難點。針對這三個難點問題，本文對部分常用算法作出相應(yīng)改進(jìn)，從而形成一套實時準(zhǔn)確的前方運動車輛檢測與跟蹤系統(tǒng)。主要工作如下：
　　1.提出一種改進(jìn)陰影的前方運動車輛檢測方法。依據(jù)車尾陰影始終穩(wěn)定的緊鄰于車輛底部，采用兩次自適應(yīng)閾值分割圖像，進(jìn)而提取出車輛底部陰影信息，生成車輛的假設(shè)區(qū)域；為準(zhǔn)確排除虛假區(qū)域，需先利用Sobel垂直邊緣檢測和垂直積分投影精確標(biāo)定車輛尺度和位置，然后結(jié)合車輛垂直邊緣和紋理特性，計

3、算假設(shè)區(qū)域的熵值歸一化的對稱性測度進(jìn)行車輛驗證。
　　2.設(shè)計一種基于Kalman濾波器的車輛跟蹤。將車輛的尺度和位置作為Kalman濾波器的向量，預(yù)測出下一幀目標(biāo)的尺度和位置；車輛間的部分遮擋是車輛跟蹤中難點問題，本文中提出基于陰影線行突變的個數(shù)判斷預(yù)測區(qū)域車輛個數(shù)，依據(jù)邊緣特性和積分投影重新標(biāo)定跟蹤目標(biāo)區(qū)域，并計算該區(qū)域的NMI值和灰度熵值，進(jìn)行兩級判斷，從而實現(xiàn)對跟蹤車輛的驗證，使用本文的跟蹤方法能有效縮小搜索范圍而且能有效