基于視頻的高速路運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法研究.pdf

1、基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的研究熱點(diǎn)，是智能交通系統(tǒng)中最為基礎(chǔ)和關(guān)鍵部分。而且也被廣泛應(yīng)用于視頻壓縮、虛擬現(xiàn)實(shí)和人機(jī)交互等領(lǐng)域?；谝曨l的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤是利用計(jì)算機(jī)視覺(jué)、信息融合、模式識(shí)別和人工智能等方法和技術(shù)進(jìn)行交通道路中的運(yùn)動(dòng)車(chē)輛檢測(cè)、車(chē)輛識(shí)別和道路利用監(jiān)視，其性能完全優(yōu)于傳統(tǒng)的利用測(cè)速雷達(dá)、環(huán)形檢測(cè)線圈和超聲檢測(cè)器等的交通參數(shù)獲取方法。
　　 本文給出了由運(yùn)動(dòng)目標(biāo)檢測(cè)、形態(tài)學(xué)濾波、連通區(qū)域標(biāo)記、

2、目標(biāo)跟蹤等部分組成的高速路車(chē)輛檢測(cè)與跟蹤方法。并對(duì)實(shí)現(xiàn)過(guò)程中的問(wèn)題與難點(diǎn)進(jìn)行了分析和解決。在視頻運(yùn)動(dòng)目標(biāo)檢測(cè)中，提出了基于幀間差分法的光流閾值分割法利用結(jié)構(gòu)張量這一圖像局部結(jié)構(gòu)信息求解光流向量，采用光流期望值的閾值分割圖像序列中的運(yùn)動(dòng)目標(biāo)。由于是在利用幀間差法得到圖像目標(biāo)因子的基礎(chǔ)上進(jìn)行光流閾值分割，減少了光流的計(jì)算量，提高了其實(shí)用性。采用基于卡爾曼預(yù)測(cè)的均值漂移跟蹤方法，假設(shè)運(yùn)動(dòng)目標(biāo)做勻速直線運(yùn)動(dòng)，用卡爾曼濾波理論建立運(yùn)動(dòng)目標(biāo)狀態(tài)預(yù)測(cè)

3、模型，預(yù)測(cè)目標(biāo)在當(dāng)前幀的運(yùn)動(dòng)狀態(tài)，然后采用Mean-Shift向量進(jìn)行最速下降的搜索匹配，并根據(jù)Bhattacharyya相似系數(shù)判斷遮擋問(wèn)題以及模型更新，利用卡爾曼濾波預(yù)測(cè)大大的減少了Mean-Shift迭代次數(shù)，提高跟蹤的實(shí)時(shí)性。采用VisualC++6.0開(kāi)發(fā)工具和OpenCV開(kāi)發(fā)包實(shí)現(xiàn)了算法，并對(duì)錄制的一段交通監(jiān)控視頻進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出的算法能夠有效地對(duì)視頻序列中的運(yùn)動(dòng)車(chē)輛進(jìn)行檢測(cè)、分割和跟蹤，具有一定的可行性。