基于視頻的車輛檢測與跟蹤及行為分析方法研究.pdf

1、隨著我國經濟的高速發(fā)展,交通工具急劇增多,道路交通狀況日益惡化,交通擁擠問題日趨嚴重。為了解決出交通擁擠問題,智能交通系統(tǒng)的研究被放到越來越重要的位置。交通自動監(jiān)控系統(tǒng)是智能交通系統(tǒng)的重要組成部分,而基于視頻的交通目標檢測跟蹤及目標運動軌跡分析技術是自動監(jiān)控系統(tǒng)的關鍵技術,通過對這些技術的研究,不僅使交通監(jiān)控的智能化水平大大提高,而且對減少交通擁擠、保障交通暢通安全,提高交通管理效率都具有十分重要的意義。本文以目前常用的視頻檢測跟蹤方法

2、為基礎,著重對運動目標的檢測提取、準確跟蹤和運動軌跡分析方法展開研究。本論文的主要工作如下:
　　(1)在目標模型提取中,針對連通區(qū)域標記算法中常用的鏈表結構、樹型結構或堆棧結構等指針型結構會導致遞歸調用和指針傳遞耗時量大的問題,給出了一種連通區(qū)域標記優(yōu)化算法,該算法采用順序存儲結構,在正確解決等價沖突標記的基礎上,降低了算法的復雜度,提高了算法的性能。
　　(2)在運動目標提取中,針對運動目標模型輪廓不連續(xù)的問題,采用一種

3、多目標分離方法進行運動目標分離,選取初始點對目標輪廓進行逆時針(或順時針)封閉,最后用得到的封閉輪廓線提取原始幀里的運動目標。
　　(3)在目標跟蹤中,針對由于背景存在大面積相似顏色干擾或目標被嚴重遮擋,CamShift算法不能準確跟蹤目標或跟蹤失敗的問題,給出了一種CamShift與Kalman算法相結合的跟蹤方法,該方法使用Kalman濾波器預測CamShift算法的搜索窗口位置,同時利用CamShift算法計算運動目標在該幀

4、圖像中的最優(yōu)位置和大小,當出現(xiàn)背景顏色干擾或目標被嚴重遮擋時,用Kalman濾波器的預測值代替CamShift算法計算出的目標位置。實驗表明,該算法能夠有效解決背景干擾和遮擋問題。
　　(4)給出了一種軌跡擬合方法,該方法首先把得到的軌跡點中的起始和終止點連成直線,然后計算其余各點到該直線的距離,若各點到直線的距離均小于某設定閾值,則擬合成功;否則連接此點與軌跡起始點,分別對每段做如上運算,最終得到所需的擬合軌跡線。利用擬合得到的