視頻圖像中運(yùn)動(dòng)車輛檢測(cè)與跟蹤技術(shù)的研究.pdf

1、隨著城市化進(jìn)程步伐的加快，機(jī)動(dòng)車輛數(shù)量不斷的增長(zhǎng)，城市的交通運(yùn)輸系統(tǒng)面臨著巨大的壓力。而以基于計(jì)算機(jī)視覺的運(yùn)動(dòng)車輛檢測(cè)與跟蹤技術(shù)為主的智能交通系統(tǒng)是解決該問(wèn)題的有效途徑。本文對(duì)運(yùn)動(dòng)車輛的檢測(cè)與跟蹤進(jìn)行了研究，分析和總結(jié)了現(xiàn)有的檢測(cè)與跟蹤技術(shù)，重點(diǎn)研究了對(duì)運(yùn)動(dòng)車輛跟蹤方面的算法，并提出了相應(yīng)算法的改進(jìn)措施。本文主要的研究工作如下：
　　 1)在運(yùn)動(dòng)車輛檢測(cè)方面，當(dāng)背景相對(duì)靜止時(shí)，通過(guò)對(duì)連續(xù)幀間差分法、基于時(shí)間平均的背景重構(gòu)差分法、

2、基于像素灰度歸類的背景重構(gòu)差分法、基于混合高斯模型的背景建模差分法這四種方法進(jìn)行實(shí)驗(yàn)結(jié)果對(duì)比之后，最后采用了基于混合高斯模型的背景建模差分法對(duì)運(yùn)動(dòng)車輛進(jìn)行檢測(cè)。并對(duì)檢測(cè)前和檢測(cè)后的圖像進(jìn)行了預(yù)處理，同時(shí)采用基于HSV顏色空間的陰影去除算法去除圖像中的陰影，使檢測(cè)出的車輛區(qū)域更加完整。
　　 2)提出了對(duì)SIFT算法的改進(jìn)，本文的跟蹤方法是基于車輛之間SIFT特征點(diǎn)的匹配，但SIFT算法生成的特征向量為128維，計(jì)算量之大而不能滿

3、足實(shí)時(shí)性的要求。在此基礎(chǔ)上，本文提出了用PCA算法對(duì)該特征向量進(jìn)行降維，即SIFT-PCA算法。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的對(duì)比，SIFT-PCA算法對(duì)實(shí)時(shí)性有所提高。
　　 3)提出以顏色特征作為輔助特征，在跟蹤過(guò)程中，有可能存在一輛車輛的與多輛車輛之間相匹配，從而有可能導(dǎo)致誤匹配情況。為了達(dá)到準(zhǔn)確匹配，本文提出用車輛的顏色矩（低三階矩）特征進(jìn)一步判斷車輛之間是否匹配，采用簡(jiǎn)單的歐氏距離公式度量它們之間的顏色特征之間的距離并進(jìn)行比較，選擇顏