視頻車輛跟蹤方法研究.pdf

1、與傳統(tǒng)的車輛檢測(cè)器相比，基于視頻圖像處理與視覺技術(shù)的車輛檢測(cè)器具有處理速度快、安裝維護(hù)便捷且費(fèi)用較低、可監(jiān)視范圍廣、可獲取更多種類的交通參數(shù)等諸多優(yōu)點(diǎn)，因而近年來在智能交通（ITS）中得到了越來越廣泛的應(yīng)用。針對(duì)視頻交通序列圖像，人們提出了很多視頻圖像處理和分析技術(shù)，其中運(yùn)動(dòng)車輛的有效檢測(cè)和跟蹤是現(xiàn)代智能交通系統(tǒng)中的核心部分，也是計(jì)算機(jī)視覺研究的一個(gè)重要領(lǐng)域。 本文基于從固定攝像頭提取視頻圖像，并從提取出的視頻圖像序列中檢測(cè)并跟

2、蹤運(yùn)動(dòng)車輛，從而提取交通參數(shù)來輔助解決交通問題。完成的主要研究工作如下： 1．運(yùn)動(dòng)目標(biāo)車輛的檢測(cè)。使用背景相減法獲得運(yùn)動(dòng)目標(biāo)。運(yùn)用一種基于區(qū)間分布的自適應(yīng)背景提取和更新方法獲得背景；然后運(yùn)用背景相減法結(jié)合閾值化來檢測(cè)運(yùn)動(dòng)目標(biāo)車輛，并對(duì)圖像的平滑處理、增強(qiáng)、邊界檢測(cè)、噪聲去除等方面做了分析和研究。實(shí)現(xiàn)了視頻序列中運(yùn)動(dòng)車輛的有效檢測(cè)和提取。并對(duì)運(yùn)動(dòng)車輛的陰影問題進(jìn)行處理，以現(xiàn)有算法為基礎(chǔ)，去除檢測(cè)車輛的陰影。 2．運(yùn)動(dòng)車輛跟

3、蹤。本文提出了一種基于彩色特征的擴(kuò)展卡爾曼濾波跟蹤方法，利用卡爾曼濾波理論建立運(yùn)動(dòng)模型，通過車輛特征進(jìn)行預(yù)測(cè)，預(yù)測(cè)得到的運(yùn)動(dòng)目標(biāo)和當(dāng)前幀中目標(biāo)進(jìn)行匹配，確定其運(yùn)動(dòng)軌跡，對(duì)運(yùn)動(dòng)車輛進(jìn)行跟蹤，進(jìn)而可以得到車速、車流量等重要的交通參數(shù)，由于彩色特征比灰度特征包含更多信息量，而且具有平移和旋轉(zhuǎn)不變性。通過提取目標(biāo)車輛的彩色特征可以很好的解決車輛轉(zhuǎn)彎和車輛遮擋的問題，并且可以進(jìn)行準(zhǔn)確目標(biāo)定位跟蹤。 我們對(duì)算法進(jìn)行了的模擬仿真實(shí)現(xiàn)，測(cè)試了目