交通視頻中車輛多目標(biāo)跟蹤與特征提取的研究.pdf

1、隨著人工智能的發(fā)展，在智能交通系統(tǒng)中，計(jì)算機(jī)視覺技術(shù)已經(jīng)融入到智能交通視頻的分析中。但由于交通視頻中背景復(fù)雜，噪聲較多，車輛運(yùn)動目標(biāo)不規(guī)律，使得運(yùn)動目標(biāo)的檢測和車輛的多目標(biāo)跟蹤仍然面臨著諸多具有挑戰(zhàn)性的問題。同時(shí)在越來越多的車輛視頻信息中，如何對檢測跟蹤到的車輛做有效的特征提取和方便快捷的檢索比對。這都成了智能交通信息領(lǐng)域迫切需要解決的問題。本文對交通視頻中運(yùn)動目標(biāo)檢測、車輛多目標(biāo)跟蹤以及目標(biāo)特征提取和檢索等問題進(jìn)行了研究。
　　

2、在運(yùn)動車輛檢測方面，針對目前常用的ViBe算法在檢測中出現(xiàn)明顯鬼影區(qū)域、緩慢目標(biāo)殘影難以消除、檢測精確度和魯棒性不足的問題，本文提出改進(jìn)，利用灰度信息為像素建立生命長度矩陣，使鬼影或殘影快速融入背景樣本得以消除。結(jié)合最大類間方差法設(shè)置自適應(yīng)閾值，加入良好后處理抑制動態(tài)噪音。引入分類算法的統(tǒng)計(jì)指標(biāo)，對車輛檢測效果做定性、定量質(zhì)量評價(jià)和分析，實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在較少幀數(shù)內(nèi)去除了鬼影，抑制了運(yùn)動目標(biāo)殘影，提高了運(yùn)動車輛檢測的整體性能，這為

3、車輛的多目標(biāo)跟蹤和特征提取奠定了良好基礎(chǔ)。
　　在車輛多目標(biāo)跟蹤方面，針對目標(biāo)遮擋、粘連分離，相似物干擾，目標(biāo)運(yùn)動不規(guī)律影響跟蹤穩(wěn)定性的問題，提出了一種級聯(lián)分類檢測和SVM分類器再識別的區(qū)域匹配跟蹤算法。在有效提取運(yùn)動檢測得到的目標(biāo)連通區(qū)域的基礎(chǔ)上，根據(jù)基于HOG特征的級聯(lián)分類算法有效識別車輛跟蹤區(qū)域，減少車輛連通域粘連的影響，并且加入基于LBP特征的SVM分類算法二次識別去掉干擾物和相似物，根據(jù)區(qū)域匹配關(guān)聯(lián)算法保證了跟蹤框能夠穩(wěn)

4、定跟蹤，通過多組實(shí)驗(yàn)驗(yàn)證了本文多目標(biāo)跟蹤算法可以對車輛持續(xù)穩(wěn)定地跟蹤，并且具有較高的準(zhǔn)確性。
　　在目標(biāo)特征和檢索方面，本文設(shè)計(jì)了一個(gè)基于車輛特征的交通視頻檢索比對框架，首先對多目標(biāo)跟蹤車輛特征做分析，根據(jù)HSV非均勻量化原理提取目標(biāo)車輛的主區(qū)域顏色，利用樸素貝葉斯分類器對車型特征作識別分類。之后將跟蹤車輛的特征作結(jié)構(gòu)化存儲，同時(shí)提出了基于顏色和車型融合的雙特征相似車輛檢索比對模式，根據(jù)倒排索引進(jìn)行檢索比對，快速定位所需要查找的相