基于視頻圖像處理的車(chē)輛檢測(cè)與跟蹤技術(shù)研究.pdf

1、智能交通系統(tǒng)是未來(lái)交通的發(fā)展方向，而基于視頻圖像處理的檢測(cè)和跟蹤技術(shù)是其關(guān)鍵技術(shù)之一。本文從事車(chē)輛視頻檢測(cè)與跟蹤系統(tǒng)的算法研究，其目的是適用于大面積、多目標(biāo)的復(fù)雜場(chǎng)景，能應(yīng)用于高速公路和城市交通中，不對(duì)環(huán)境作過(guò)多的條件限制。 在實(shí)時(shí)的交通檢測(cè)系統(tǒng)中，運(yùn)用背景差分法是最直接有效的解決方案，在詳細(xì)分析了已有的背景重建算法的基礎(chǔ)上，本文提出采用一種基于塊拼接與均值背景相結(jié)合背景估計(jì)方法，通過(guò)背景差分法來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。再利用動(dòng)態(tài)輪廓算法

2、，提取車(chē)輛的輪廓特征。而輪廓信息的準(zhǔn)確獲取，對(duì)車(chē)型識(shí)別及車(chē)輛跟蹤算法，有著重要的意義。因此，本文比較詳細(xì)的論述了動(dòng)態(tài)輪廓算法的原理、數(shù)值計(jì)算方法及各種改進(jìn)模型。研究了陰影的檢測(cè)方法，對(duì)一種記分板陰影檢測(cè)方法進(jìn)行簡(jiǎn)化，在灰度圖中通過(guò)亮度信息和邊緣信息來(lái)檢測(cè)運(yùn)動(dòng)陰影。 對(duì)檢測(cè)到的運(yùn)動(dòng)車(chē)輛進(jìn)行實(shí)時(shí)跟蹤能提供交通場(chǎng)景的動(dòng)態(tài)信息，本文提出采用特征跟蹤的方法，通過(guò)Kalman濾波算法進(jìn)行預(yù)測(cè)估計(jì)，以減少特征匹配的時(shí)間。并在實(shí)驗(yàn)系統(tǒng)中采用質(zhì)心