基于單個攝像機的車輛檢測與跟蹤.pdf

1、本文的研究內(nèi)容是基于單個攝像機的車輛檢測與跟蹤，主要是對本車前方的運動車輛進(jìn)行檢測和跟蹤。車輛檢測一般分為兩個步驟：第一步，找到車輛的候選區(qū)域；第二步，對車輛候選區(qū)域進(jìn)行確認(rèn)。本文首先詳細(xì)分析了前方車輛在圖像中所具有的一些特征，最后融合了車輛底部的陰影、紋理、形狀、和灰度對稱特征進(jìn)行車輛的檢測。通過車輛底部的陰影找到感興趣區(qū)域ROI，然后運用熵初步過濾掉一些路面干擾區(qū)域，剩下的區(qū)域作為車輛檢測的候選區(qū)域，完成車輛檢測的第一步。由于模型匹

2、配方法過分依賴模型，在模型匹配失敗的時候無法完成車輛的檢測，而且很難為車輛建立一個精確的模型，所以本文融合車輛的形狀特征和灰度對稱特征對車輛的候選區(qū)域進(jìn)行確認(rèn)，完成車輛檢測的第二步。從實驗結(jié)果看，本文所提出的多種特征融合的車輛檢測方法能對前方不同形狀、顏色、大小、距離的車輛進(jìn)行檢測，也能對不同姿態(tài)的車輛進(jìn)行檢測。而且本文的車輛檢測算法受光照的影響小，能在一定程度上完成由于車輛的顛簸造成攝像機抖動情況下的車輛檢測，也能完成復(fù)雜路況下的車輛

3、檢測，是一種非常有效的車輛檢測方法。 本文分析了基于模型的運動車輛跟蹤方法和基于Kalman濾波器的運動車輛跟蹤方法。由于基于模型的運動車輛跟蹤方法在進(jìn)行車輛跟蹤的時容易發(fā)生跟蹤漂移，而且不能處理遮擋情況下的跟蹤；基于Kalman濾波器的運動車輛跟蹤方法一般都是假設(shè)車輛做勻速或者勻加速直線運動，對于實際車輛的運動規(guī)律不是很恰當(dāng)，而且還存在Kalman濾波器參數(shù)初始化等問題，跟蹤結(jié)果也不好。本文提出了基于模型和灰度對稱融合的運動車