擁擠場景下低分辨率快速車輛檢測與跟蹤方法研究.pdf

1、交通狀況日益的惡化,智能交通系統(tǒng)(ITS)被引起廣泛的關注,其中車輛檢測與跟蹤是智能交通系統(tǒng)中最為關鍵且基礎的技術,已成為ITS領域內(nèi)研究的熱點。目前,在擁擠場景、低分辨率的情況下,現(xiàn)有車輛檢測和跟蹤算法的效果不能滿足實際要求,需要進一步改進,本文主要所做貢獻如下:
　　1、本文提出了基于級聯(lián) AdaBoost分類器的低分辨率車輛檢測算法。本文采用假設產(chǎn)生和假設驗證的框架進行車輛檢測,在假設產(chǎn)生階段,計算檢測子窗口內(nèi)像素的期望和方

2、差,滿足一定的條件后再采用級聯(lián)AdaBoost分類器進行驗證。分類器的輸入為Haar-like特征,Haar-like特征反映的是目標的紋理信息,對光線不敏感,而且在訓練級聯(lián)AdaBoost分類器過程中選用低分辨率的車輛作為正樣本;在子窗口掃描待檢測圖像過程中,本文采用窗口金字塔的方法。大量試驗結果表明,本文提出的算法在低分辨率情況下取得很好的檢測效果。
　　2、本文提出了基于車輛檢測的實時跟蹤算法。根據(jù)車輛區(qū)域內(nèi)顏色權值直方圖,

3、計算前一幀中車輛與當前幀中檢測結果之間的歐式距離,滿足一定的條件就認為是前后兩幀的車輛完成匹配;采用 Mean Shift跟蹤算法確定前一幀中未匹配成功的車輛在當前幀中的位置,最后當前幀的車輛包括在當前幀中檢測結果和根據(jù)前一幀中車輛信息跟蹤的結果。這樣既提高了擁擠場景下檢測的性能,又能提高跟蹤的速度。
　　3、在研究擁擠場景下低分辨率車輛檢測與跟蹤算法的基礎上,本文還將其應用到實際智能交通系統(tǒng)中,開發(fā)出一套電子警察系統(tǒng),經(jīng)過現(xiàn)場測