智能交通系統(tǒng)中基于視頻的車輛檢測與跟蹤方法研究.pdf

1、智能交通系統(tǒng)(ITS)是目前世界交通運(yùn)輸領(lǐng)域正在研究和廣泛關(guān)注的課題。近年來,智能交通系統(tǒng)的應(yīng)用給交通運(yùn)輸業(yè)帶來了巨大的經(jīng)濟(jì)效益和環(huán)境效益,對于交通擁塞情況的改善、交通流量的監(jiān)控和廢氣排放的減少起到了越來越重要的作用。論文所研究的基于視頻的車輛檢測與跟蹤技術(shù)在ITS中占有很重要的地位,與傳統(tǒng)的車輛檢測方法相比,基于視頻的車輛與跟蹤檢測技術(shù)不僅具有安裝維護(hù)便捷且費(fèi)用較低、可監(jiān)視范圍廣等許多優(yōu)點(diǎn),同時(shí)可以對道路現(xiàn)場圖像進(jìn)行智能化分析和處理,

2、能夠采集到所需要的多種交通流參數(shù),包括某一段時(shí)間通過的車輛數(shù),每一時(shí)刻車輛所在位置等。
　　 本文在對基于視頻車輛的檢測與車輛跟蹤經(jīng)典算法進(jìn)行學(xué)習(xí)和研究后,針對經(jīng)典算法存在的不足,進(jìn)行了改進(jìn)和提高,提出了一種應(yīng)用于城市主干道進(jìn)行車輛檢測與車輛跟蹤的新方法。主要工作體現(xiàn)在以下幾個(gè)方面:
　　 (1)提出了一種新的基于背景差分的背景模型構(gòu)建算法。針對背景差分法的關(guān)鍵步驟即背景模型的構(gòu)建,本文對基于背景差分法進(jìn)行了改進(jìn)。首先在

3、背景模型的初始化階段,本文提出了一種新的背景模型構(gòu)建算法,該算法是利用多幀求平均的背景建立方法進(jìn)行背景初始化,使背景模型的初始化具有較高的精度和效率;其次在背景模型更新時(shí)提出利用自適應(yīng)調(diào)節(jié)更新速率的算法,使更新的背景模型更加接近實(shí)際背景。在圖像分割時(shí)采用動(dòng)態(tài)變化的閾值,即通過動(dòng)態(tài)閾值對背景差分的結(jié)果進(jìn)行分割,以避免實(shí)際背景突變時(shí)圖像分割出現(xiàn)較大偏差。實(shí)驗(yàn)結(jié)果表明該方法具有較好的車輛檢測精度和效果。
　　 (2)提出了一種新的基于

4、區(qū)域的多特征匹配跟蹤算法,根據(jù)目標(biāo)車輛的運(yùn)動(dòng)特征預(yù)測其在下一幀圖像中的位置,可有效縮小運(yùn)動(dòng)目標(biāo)的搜索范圍。改進(jìn)了基于區(qū)域的跟蹤算法,綜合利用灰度圖像和二值化圖像實(shí)現(xiàn)對運(yùn)動(dòng)車輛的跟蹤。在車輛跟蹤中,建立目標(biāo)車輛的質(zhì)心位置預(yù)測模型,根據(jù)目標(biāo)車輛的運(yùn)動(dòng)記錄預(yù)測目標(biāo)車輛在下一幀圖像中的質(zhì)心位置,然后在預(yù)測范圍內(nèi),通過運(yùn)動(dòng)車輛的質(zhì)心位置、面積及平均灰度值等多個(gè)特征進(jìn)行目標(biāo)匹配,從而實(shí)現(xiàn)目標(biāo)車輛的跟蹤,獲取目標(biāo)車輛的相關(guān)數(shù)據(jù)。經(jīng)實(shí)驗(yàn)結(jié)果表明,該算法