基于AIMM與特征融合的車輛跟蹤算法研究及實(shí)現(xiàn).pdf

1、基于視頻的運(yùn)動(dòng)車輛檢測(cè)與跟蹤系統(tǒng)是智能交通系統(tǒng)的重要研究?jī)?nèi)容之一,它融合了圖像處理、人工智能、自動(dòng)控制等相關(guān)領(lǐng)域的研究成果,在交通運(yùn)輸及管理領(lǐng)域有著廣泛的應(yīng)用。因此,研究基于視頻的智能交通系統(tǒng)中的關(guān)鍵技術(shù)并提高智能交通系統(tǒng)的性能具有重要的理論意義和廣泛的應(yīng)用價(jià)值。
　　 本文針對(duì)復(fù)雜場(chǎng)景中的車輛檢測(cè)與跟蹤所存在的主要問(wèn)題進(jìn)行了研究,并對(duì)復(fù)雜場(chǎng)景排除干擾,準(zhǔn)確跟蹤等問(wèn)題提出了解決方案。本文的主要研究工作如下:
　　 在圖像

2、預(yù)處理方面,由于采集的視頻存在各種噪聲,采用圖像的灰度均衡化,中值濾波等圖像處理技術(shù)對(duì)視頻圖像進(jìn)行預(yù)處理,使圖像質(zhì)量得以改善,為后面的車輛檢測(cè)與跟蹤做好準(zhǔn)備。
　　 在運(yùn)動(dòng)車輛檢測(cè)方面,首先對(duì)背景差分法和幀間差分法進(jìn)行分析討論及仿真試驗(yàn),由于背景差分法對(duì)光線變化和動(dòng)態(tài)場(chǎng)景變化等外界干擾非常敏感；幀間差分法不能很好提取所有特征像素點(diǎn)。本文采用自適應(yīng)背景差分法結(jié)合圖像處理技術(shù),在沒(méi)增加計(jì)算量的前提下,能適應(yīng)一定程度的場(chǎng)景變化并能提取

3、比較完整的特征像素點(diǎn),進(jìn)而提取出完整的運(yùn)動(dòng)目標(biāo)車輛,為后面車輛特征提取工作打好基礎(chǔ)。
　　 在運(yùn)動(dòng)車輛跟蹤方面,本文利用自適應(yīng)交互式多模型卡爾曼濾波器建立勻速、勻加速模型,預(yù)測(cè)被跟蹤車輛在下一幀中可能出現(xiàn)的位置,確定搜索范圍,再結(jié)合本文給出的特征匹配算法有效地對(duì)拐彎、遮擋等運(yùn)動(dòng)車輛進(jìn)行跟蹤。最后對(duì)跟蹤算法進(jìn)行了試驗(yàn)仿真,并對(duì)其實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了分析。試驗(yàn)結(jié)果表明,基于自適應(yīng)交互式多模型卡爾曼濾波的車輛跟蹤模型比較符合實(shí)際情況,能可靠