視頻圖像中運動車輛檢測與跟蹤技術(shù)的研究.pdf

1、隨著城市化進程步伐的加快，機動車輛數(shù)量不斷的增長，城市的交通運輸系統(tǒng)面臨著巨大的壓力。而以基于計算機視覺的運動車輛檢測與跟蹤技術(shù)為主的智能交通系統(tǒng)是解決該問題的有效途徑。本文對運動車輛的檢測與跟蹤進行了研究，分析和總結(jié)了現(xiàn)有的檢測與跟蹤技術(shù)，重點研究了對運動車輛跟蹤方面的算法，并提出了相應(yīng)算法的改進措施。本文主要的研究工作如下：
　　 1)在運動車輛檢測方面，當背景相對靜止時，通過對連續(xù)幀間差分法、基于時間平均的背景重構(gòu)差分法、

2、基于像素灰度歸類的背景重構(gòu)差分法、基于混合高斯模型的背景建模差分法這四種方法進行實驗結(jié)果對比之后，最后采用了基于混合高斯模型的背景建模差分法對運動車輛進行檢測。并對檢測前和檢測后的圖像進行了預處理，同時采用基于HSV顏色空間的陰影去除算法去除圖像中的陰影，使檢測出的車輛區(qū)域更加完整。
　　 2)提出了對SIFT算法的改進，本文的跟蹤方法是基于車輛之間SIFT特征點的匹配，但SIFT算法生成的特征向量為128維，計算量之大而不能滿

3、足實時性的要求。在此基礎(chǔ)上，本文提出了用PCA算法對該特征向量進行降維，即SIFT-PCA算法。通過實驗數(shù)據(jù)的對比，SIFT-PCA算法對實時性有所提高。
　　 3)提出以顏色特征作為輔助特征，在跟蹤過程中，有可能存在一輛車輛的與多輛車輛之間相匹配，從而有可能導致誤匹配情況。為了達到準確匹配，本文提出用車輛的顏色矩（低三階矩）特征進一步判斷車輛之間是否匹配，采用簡單的歐氏距離公式度量它們之間的顏色特征之間的距離并進行比較，選擇顏