面向高速公路的車輛檢測(cè)與跟蹤方法的研究.pdf

1、近年來(lái)，社會(huì)經(jīng)濟(jì)的發(fā)展促使公路交通設(shè)施快速發(fā)展。機(jī)動(dòng)車數(shù)量不斷增長(zhǎng)，同時(shí)城市的人口與面積不斷擴(kuò)張，由此對(duì)城市的發(fā)展以及經(jīng)濟(jì)增長(zhǎng)帶來(lái)了一系列的問(wèn)題。智能交通系統(tǒng)由于其在緩解交通擁擠，提高交通效率方面作用顯著，越來(lái)越受到人們的重視，而基于視頻的車輛檢測(cè)與跟蹤則是智能交通系統(tǒng)中的重要組成部分。論文以高速公路的運(yùn)動(dòng)車輛檢測(cè)、跟蹤為研究背景，在國(guó)內(nèi)外研究成果的基礎(chǔ)上，對(duì)其中的關(guān)鍵算法和技術(shù)展開深入研究，力求探索出一套以視頻數(shù)掘?yàn)榛A(chǔ)，能快速、有效

2、、魯棒地檢測(cè)和跟蹤高速公路車輛的方法。
　　 本文的工作主要包括：
　　 (1)對(duì)幾種經(jīng)典的運(yùn)動(dòng)車輛檢測(cè)方法優(yōu)缺點(diǎn)進(jìn)行比較的基礎(chǔ)上選用混合高斯背景模型方法進(jìn)行運(yùn)動(dòng)車輛檢測(cè)，并對(duì)其在彩色視頻檢測(cè)中存在的計(jì)算量大等不足之處引入了相應(yīng)的解決方法，即通過(guò)Bayer模式進(jìn)行背景建模，減少了計(jì)算量；在HSV空間對(duì)陰影進(jìn)行去除，解決陰影問(wèn)題。該方法能有效地從高速公路交通視頻中提取運(yùn)動(dòng)車輛區(qū)域。
　　 (2)在運(yùn)動(dòng)車輛外圍輪廓提

3、取方面，本文運(yùn)用形態(tài)學(xué)濾波對(duì)得到的二值圖像進(jìn)行噪聲去除，連接車輛區(qū)域中的斷裂處并填充車輛區(qū)域中的空洞，得到了較為準(zhǔn)確的運(yùn)動(dòng)車輛區(qū)域；在此基礎(chǔ)上對(duì)得到的車輛區(qū)域進(jìn)行連通區(qū)域標(biāo)記，提取出車輛的外接矩形。
　　 (3)對(duì)傳統(tǒng)的Camshift跟蹤方法進(jìn)行了改進(jìn)，即通過(guò)檢測(cè)出來(lái)的車輛區(qū)域自動(dòng)初始化跟蹤窗口，實(shí)現(xiàn)了車輛自動(dòng)化跟蹤；同時(shí)提出了一種基于Kalman預(yù)測(cè)的Camshift車輛跟蹤方法，提高跟蹤的效率和精確度，解決了大面積顏色干擾