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(jīng)濟(jì)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(yán)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(dòng)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(biāo)檢測跟蹤及目標(biāo)運(yùn)動(dòng)軌跡分析技術(shù)是自動(dòng)監(jiān)控系統(tǒng)的關(guān)鍵技術(shù),通過對(duì)這些技術(shù)的研究,不僅使交通監(jiān)控的智能化水平大大提高,而且對(duì)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(chǔ),著重對(duì)運(yùn)動(dòng)目標(biāo)的檢測提取、準(zhǔn)確跟蹤和運(yùn)動(dòng)軌跡分析方法展開研究。本論文的主要工作如下:
　　(1)在目標(biāo)模型提取中,針對(duì)連通區(qū)域標(biāo)記算法中常用的鏈表結(jié)構(gòu)、樹型結(jié)構(gòu)或堆棧結(jié)構(gòu)等指針型結(jié)構(gòu)會(huì)導(dǎo)致遞歸調(diào)用和指針傳遞耗時(shí)量大的問題,給出了一種連通區(qū)域標(biāo)記優(yōu)化算法,該算法采用順序存儲(chǔ)結(jié)構(gòu),在正確解決等價(jià)沖突標(biāo)記的基礎(chǔ)上,降低了算法的復(fù)雜度,提高了算法的性能。
　　(2)在運(yùn)動(dòng)目標(biāo)提取中,針對(duì)運(yùn)動(dòng)目標(biāo)模型輪廓不連續(xù)的問題,采用一種

3、多目標(biāo)分離方法進(jìn)行運(yùn)動(dòng)目標(biāo)分離,選取初始點(diǎn)對(duì)目標(biāo)輪廓進(jìn)行逆時(shí)針(或順時(shí)針)封閉,最后用得到的封閉輪廓線提取原始幀里的運(yùn)動(dòng)目標(biāo)。
　　(3)在目標(biāo)跟蹤中,針對(duì)由于背景存在大面積相似顏色干擾或目標(biāo)被嚴(yán)重遮擋,CamShift算法不能準(zhǔn)確跟蹤目標(biāo)或跟蹤失敗的問題,給出了一種CamShift與Kalman算法相結(jié)合的跟蹤方法,該方法使用Kalman濾波器預(yù)測CamShift算法的搜索窗口位置,同時(shí)利用CamShift算法計(jì)算運(yùn)動(dòng)目標(biāo)在該幀

4、圖像中的最優(yōu)位置和大小,當(dāng)出現(xiàn)背景顏色干擾或目標(biāo)被嚴(yán)重遮擋時(shí),用Kalman濾波器的預(yù)測值代替CamShift算法計(jì)算出的目標(biāo)位置。實(shí)驗(yàn)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(diǎn)中的起始和終止點(diǎn)連成直線,然后計(jì)算其余各點(diǎn)到該直線的距離,若各點(diǎn)到直線的距離均小于某設(shè)定閾值,則擬合成功;否則連接此點(diǎn)與軌跡起始點(diǎn),分別對(duì)每段做如上運(yùn)算,最終得到所需的擬合軌跡線。利用擬合得到的