基于視頻圖像處理的車輛檢測.pdf

1、隨著社會經(jīng)濟的快速發(fā)展，人們生活水平不斷提高，各種汽車的保有量大幅增加，怎樣提高交通效率就顯得越來越重要。世界各國都投入了大量的人力和物力對智能交通系統(tǒng)(ITS)進行研究。車輛檢測作為ITS的基礎(chǔ)部分，為整個系統(tǒng)提供基礎(chǔ)數(shù)據(jù)?；谝曨l的車輛檢測由于它特有的優(yōu)點，已經(jīng)成為車輛檢測的一個重要手段。 通過對現(xiàn)有檢測方法的分析比較，采用背景差法對車輛進行提取，包括背景的生成及更新，背景區(qū)域的修正。考慮到車輛陰影對檢測的影響，本文利用車輛

2、陰影所固有的特征進行陰影抑制，有效地減小了陰影對檢測的影響。針對車輛顏色與背景顏色相近時分割容易湮沒目標車輛像素點，提出了在提取的過程中將圖像閾值分割和邊緣檢測相結(jié)合的算法，很好地把目標車輛完整的提取出來，便于車輛的定位。 在成功提取目標車輛的基礎(chǔ)上，采用特征匹配的方法對車輛目標進行跟蹤。在選擇的車輛特征中目標窗口的大小是主要的特征之一，在實際場景中當車輛相互交錯時，用投影原理很難準確定位各個車輛目標，因此本文首先對圖像進行標定

3、，將帶有傾斜視角的原圖像校正為從正上方俯視視角的標定圖，在此基礎(chǔ)上按車道進行投影操作，準確地確定出運動目標窗口。在選擇車輛特征后，引入特征匹配值矩陣對車輛目標進行跟蹤。 實驗表明，基于背景差法的車輛檢測中，結(jié)合邊緣檢測的閾值分割可以完整地提取車輛目標。在確定目標窗口大小時，先對圖像進行標定再進行投影，可克服運動目標位置對投影的影響，準確地確定各個車輛的目標窗口，然后通過特征值匹配來跟蹤車輛目標，得到交通參數(shù)。上述算法計算量小，實