基于光流的動態(tài)場景中運動車輛檢測與跟蹤算法研究.pdf

1、運動車輛的檢測與跟蹤技術一直以來都是智能交通系統(tǒng)中的一個重點研究內(nèi)容，目前在車輛的檢測和跟蹤問題上還有著很多有待解決的問題。其中動態(tài)場景中運動車輛的檢測由于存在著車輛與背景兩個相互獨立的運動而使車輛的提取更加困難，在車輛檢測的準確性上，有著很大的研究空間。論文首先對目前的光流檢測方法中存在的錯誤光流難以完全去除的問題進行了詳細的研究和探討，并提出了一種有效的解決方法。同時采用聚類的方法準確的從動態(tài)場景中提取出車輛。最后研究了車輛跟蹤技術

2、，對車輛的遮擋問題進行了詳細的討論，并通過算法的改進，有效的解決了此問題。
　　在車輛檢測的問題中，采用Harris算子計算圖像的特征點，再通過金字塔Lucas-Kanade光流(L-K光流)法計算圖像的特征點光流場。隨后引入矢量量化的思想對圖像的光流場進行聚類，并提出了結(jié)合歐式距離和相似系數(shù)作為相似性測度的方法提高了聚類的準確性。最后計算各個類別中角點的分布方差，通過RANSAC方法對光流場中的錯誤光流進行粗剔除，再依據(jù)類內(nèi)方差

3、值進行精剔除。最后再依據(jù)類內(nèi)方差值的大小實現(xiàn)車輛的提取。
　　在車輛跟蹤的問題中，深入研究了Camshift和Kalman濾波相結(jié)合的方法在車輛跟蹤中的應用，并對目前的跟蹤算法中普遍存在的遮擋問題進行了詳細的討論，最后通過增加區(qū)域面積約束，對算法進行改進，提高了車輛在被遮擋和有顏色干擾的情況下的跟蹤的準確性。
　　通過具體的實驗表明，檢測算法能夠準確的從動態(tài)場景中檢測出運動的車輛，對單個運動車輛的檢測準確度可達93％，多車輛