基于運動目標檢測與跟蹤視頻測速算法的研究.pdf

1、交通在國民經(jīng)濟和社會發(fā)展中發(fā)揮著舉足輕重的作用。智能交通系統(tǒng)中，交通檢測的信息采集已經(jīng)成為計算機視覺技術(shù)應(yīng)用的一項重要課題，而運動車輛的檢測、分割與跟蹤則是其中最為基礎(chǔ)的部分。本文針對以上幾個方面的問題進行探索和研究，提出新的方法，并通過實驗證明新方法的有效性，對后續(xù)車速檢測提供基本保證。
　　 車速檢測是交通管理系統(tǒng)中的一個重要組成部分。隨著圖像處理技術(shù)的發(fā)展，視頻檢測技術(shù)在車速檢測中的應(yīng)用越來越廣泛，本文主要研究圖像處理在視

2、頻車速檢測中的應(yīng)用。
　　 基于移動測速設(shè)備的測速模式，本文提出了一種視頻序列圖像的車輛測速實現(xiàn)方法，通過測定固定時間間隔的連續(xù)兩幀圖像中目標車輛的相對位移來進行車速的測定，以及通過車輛定位判別的思想提高了測速的精度。采用數(shù)學形態(tài)學結(jié)構(gòu)元素進行運動目標檢測，最小協(xié)方差矩陣進行跟蹤，然后在求得車輛運動位移基礎(chǔ)上得到車輛速度。實驗結(jié)果表明，該方法能較為精確的測量出車輛的實際行駛速度，克服了傳統(tǒng)測速方法的不足，在高速公路移動測速等場合

3、具有較好的使用價值。
　　 在運動物體檢測方面，本文在傳統(tǒng)的背景相減法和幀間相減法的基礎(chǔ)上，采用背景相減法和幀間相減法相結(jié)合的方法來檢測運動物體，并通過這種方法得到差分圖像。
　　 對檢測得到的灰度差分圖像進行分割、跟蹤及測速時本文分為四個步驟：
　　 (1)利用多結(jié)構(gòu)元素的形態(tài)學邊緣檢測算子對前面獲得的灰度差分圖像進行邊緣檢測；
　　 (2)對檢測出來的灰度差分圖像用原始OTSU法進行分割，將分割得到的

4、二值圖像與(1)得到的圖像邊緣相加，得到改進的二值圖像；
　　 (3)應(yīng)用數(shù)學形態(tài)學方法對改進的二值圖像進行目標增強及濾波去噪處理，得到所需圖像，進而對提取出的目標圖像進行下一步的跟蹤操作；
　　 (4)在跟蹤識別的基礎(chǔ)上對運動車輛進行檢測，求出車輛的運動距離，再根據(jù)固定時間間隔，求出車輛的速度。
　　 在對運動物體分割的基礎(chǔ)上，依據(jù)分割出的運動目標的質(zhì)心和跟蹤窗口對場景中的車輛進行識別跟蹤。跟蹤的同時，通過運動