智能交通監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、在現(xiàn)代社會(huì)，地面交通的快速發(fā)展所產(chǎn)生的交通問題日趨增多。為了能夠及時(shí)準(zhǔn)確地掌握所監(jiān)控路口、路段周圍的車輛和行人流量，以及交通治安等情況，現(xiàn)已大量使用了視頻監(jiān)控系統(tǒng)。作為智能交通系統(tǒng)的一個(gè)重要組成部分，其重要性日趨凸顯。然而，伴隨著新的交通基礎(chǔ)設(shè)施的不斷興建，車輛和行人流量的不斷增加，監(jiān)控系統(tǒng)越來越龐大，監(jiān)控信息量也越來越多。單純的依賴有限的人力資源來實(shí)現(xiàn)實(shí)時(shí)、全面的監(jiān)控，已成為不可能的事情。因此，研究以計(jì)算機(jī)視覺技術(shù)為支撐的交通視頻分析

2、技術(shù)具有重要意義。
　　本研究主要內(nèi)容包括：⑴在視頻圖像預(yù)處理方面，針對(duì)高速公路監(jiān)控視頻受霧氣影響較大的特點(diǎn)，研究了基于暗原色先驗(yàn)理論的去霧算法，明確了該算法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上，采用了一種基于暗原色先驗(yàn)理論和圖像小波變換的去霧算法來對(duì)監(jiān)控視頻進(jìn)行去霧處理。通過小波變換對(duì)霧天圖像進(jìn)行分解，得到圖像的低頻和高頻分量，然后采用暗原色先驗(yàn)理論對(duì)圖像的低頻部分進(jìn)行去霧處理。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效的減少算法的時(shí)間消耗，提升了算法的執(zhí)

3、行效率。⑵在運(yùn)動(dòng)目標(biāo)檢測算法方面，選用背景差分法對(duì)視頻圖像進(jìn)行處理。首先采用自適應(yīng)高斯模型建模方法進(jìn)行背景建模；然后將獲取的背景模型同視頻幀圖像進(jìn)行做差運(yùn)算，得到差值圖像；隨后依次使用自適應(yīng)二值化和數(shù)學(xué)形態(tài)學(xué)等方法對(duì)差值圖像進(jìn)行去噪處理；最后采用5*5的區(qū)域搜索算法來對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行提取操作。實(shí)驗(yàn)結(jié)果表明，本文所采用的方法能夠準(zhǔn)確的檢測出運(yùn)動(dòng)目標(biāo)。⑶在運(yùn)動(dòng)目標(biāo)跟蹤算法方面，由于前期進(jìn)行圖像預(yù)處理時(shí)，算法存在一定的時(shí)間消耗，為了保證整體算法