交通監(jiān)控視頻中的目標檢測與跟蹤算法研究.pdf

1、智能視頻分析是一門綜合性很強的技術(shù)，它綜合了圖像處理、模式識別、計算機視覺等眾多學科的研究成果。目前，智能監(jiān)控技術(shù)被廣泛的應用于交通、軍事、醫(yī)療中，在諸多公共場所、小區(qū)、學校等也有較普遍的應用。本文主要研究了單目攝像機下具有靜態(tài)背景的交通視頻中運動車輛的檢測及跟蹤技術(shù)，實現(xiàn)了單目標的準確跟蹤和多目標的準確計數(shù)。
　　本研究在目標檢測方面，首先對多種背景建模方法進行優(yōu)缺點分析和對比，深入討論了幾種背景更新算法，在此基礎上選擇背景差法

2、作為檢測運動車輛的方法。其次，用改進的OTSU算法對差值圖像進行自適應的二值化，這使得在不同光照變化情況下都能取得較好的二值化效果。最后，對前景的二值圖像做了一些必要的后處理，如空洞填充、連通域標識、噪聲去除以及陰影消除等工作。在目標特征描述方面，首先闡述了對目標的興趣點、紋理、顏色、輪廓等信息的描述方法。其次，選用SIFT特征作為興趣點描述方法，對不同顏色、車型的車輛進行SIFT特征提取，顯示了提取的過程并驗證了對紋理較多的車輛體現(xiàn)出

3、的可靠度。然后，對目標的梯度方向直方圖和顏色直方圖進行深入研究，用一維向量表示這兩種特征，實現(xiàn)了對兩種特征的聯(lián)合表示。最后，經(jīng)過多次實驗證實了對梯度方向進行的新量化方法的可行性以及綜合顏色直方圖在目標匹配時的有效性。在目標跟蹤方面，利用卡爾曼濾波器的預測對運動目標進行跟蹤，并根據(jù)不同特征匹配的可信度實時地調(diào)整用于匹配的特征。這樣在光線條件較差、顏色信息不可靠的情況下選取SIFT作為匹配特征。而在光線條件較好的情況下，可選用綜合顏色直方圖