復雜環(huán)境下基于視頻的車輛跟蹤算法研究.pdf

1、交通信息采集是交通管理、控制以及誘導的基礎。相比傳統(tǒng)環(huán)形線圈檢測技術(shù)，基于視頻的車輛跟蹤技術(shù)具有安裝維護方便、檢測區(qū)域大、可檢測參數(shù)多等優(yōu)點，在交通信息采集方面具有巨大的潛力，但是車輛跟蹤的性能受復雜環(huán)境的影響很大，比如交通場景中光照的變化、車輛間的遮擋現(xiàn)象等因素都會影響車輛跟蹤的可靠性與準確性。因此，復雜環(huán)境下基于視頻的車輛跟蹤技術(shù)研究對于交通信息采集具有重要意義。本文對環(huán)境中存在光照變化和車輛間遮擋現(xiàn)象時的車輛跟蹤算法進行研究，主要

2、研究內(nèi)容如下:
　　(1)為了在光照變化的情況下檢測運動車輛，提出了自適應ViBe(visual backgroundextractor)背景模型。分析了ViBe背景模型存在的問題:在光照變化情況下，當閾值過小時部分背景區(qū)域會被誤檢測為車輛，而當閾值過大時部分車輛區(qū)域會被誤檢測為背景。為解決這一問題，定義了車輛檢測誤差函數(shù)。以被誤檢測為車輛的背景區(qū)域面積與圖像面積之比作為第一類誤差函數(shù)，用以衡量閾值過小的影響;利用包含車輛區(qū)域的最

3、小凸包近似地表示真實的車輛區(qū)域，以該凸包為參考，計算圖像中所有車輛的相對誤差的平均值并以之作為第二類誤差函數(shù)，用以衡量閾值過大的影響。最后，在首先減少第二類誤差、其次減少第一類誤差的準則下，設定一組條件以判斷閾值的合理性，并利用步長法對其進行調(diào)整。實驗結(jié)果表明，自適應ViBe背景模型能夠提高光照變化情況下車輛檢測的準確性。
　　(2)為了提高車輛跟蹤的持久性和準確性，提出了基于非網(wǎng)格塊運動矢量的車輛跟蹤算法。分析基于網(wǎng)格塊運動矢量

4、車輛跟蹤算法的缺點在于:一、在網(wǎng)格分塊下，較小的車輛區(qū)域中包含的塊的數(shù)量過少，導致噪聲運動矢量的影響增大、車輛跟蹤的持久性下降;二、在塊的擴展環(huán)節(jié)，目標車輛容易受噪聲區(qū)域和附近車輛的影響，導致車輛跟蹤的準確性下降。針對上述問題，一方面在分塊方式上提出以非網(wǎng)格的方式對車輛進行分塊，從而使得塊可以處于圖像中的任何位置，并且塊與塊可以重疊。這樣能夠使較小的車輛區(qū)域也包含足夠多的塊，從而減少噪聲運動矢量的影響，提高車輛跟蹤的持久性。另一方面在塊

5、的移位環(huán)節(jié)對每個塊分別根據(jù)其自身運動矢量對其進行移位。為此，根據(jù)塊運動矢量在空間分布上的延續(xù)性，提出了基于鄰域的噪聲運動矢量檢測和調(diào)整方法。這種移位方式避免了對塊進行擴展，在移位中減少了噪聲區(qū)域和附近車輛對目標車輛的影響，從而提高了車輛跟蹤的準確性。實驗結(jié)果表明，相比基于網(wǎng)格塊運動矢量的車輛跟蹤算法，基于非網(wǎng)格塊運動矢量的車輛跟蹤算法具有更好的跟蹤持久性和準確性。
　　(3)提出了非網(wǎng)格分塊下的Markov隨機場遮擋處理算法。當遮

6、擋車輛和被遮擋車輛的運動矢量相接近時，網(wǎng)格分塊下的Markov隨機場遮擋處理算法難以對遮擋區(qū)域進行準確分割。針對這一問題，在基于非網(wǎng)格塊運動矢量的車輛跟蹤算法的框架下，利用歐式距離定義了非規(guī)則的時空鄰域系統(tǒng)，以描述非網(wǎng)格分塊中塊與塊之間的幾何關系，并以非規(guī)則的時空鄰域系統(tǒng)為基礎，建立了非網(wǎng)格分塊下的Markov隨機場模型。在能量函數(shù)定義方面，構(gòu)建了由運動灰度差與顏色直方圖距離組成的二維高斯向量，以融合車輛的運動信息與顏色信息，更為完整地

7、表達遮擋車輛與被遮擋車輛之間的差異;最后利用模擬退火法對能量函數(shù)進行優(yōu)化，以實現(xiàn)遮擋分割。實驗結(jié)果表明，非網(wǎng)格分塊下的Markov隨機場遮擋處理算法在兩輛車的運動矢量相接近時能夠利用顏色信息的差異處理車輛遮擋現(xiàn)象，擴大了車輛遮擋處理的范圍，提高了車輛遮擋處理的準確性。
　　(4)針對車輛剛進入交通場景就發(fā)生遮擋的問題，提出了基于長軸方向固定橢圓擬合法的遮擋初始分割算法。首先，通過前景凸包比來檢測車輛遮擋現(xiàn)象，并利用一組與車道線方向

8、平行的分割直線將前景輪廓分割為若干組子輪廓。之后，在最小二乘橢圓擬合法的基礎上增加了長軸方向固定這一約束，提出了長軸方向固定的最小二乘橢圓擬合法，利用它對每一組子輪廓進行橢圓擬合。最后，利用牛頓迭代法定義了橢圓擬合的評價函數(shù)，并通過最小化該評價函數(shù)以尋找最優(yōu)分割直線，從而獲得車輛的初始位置。實驗結(jié)果表明，該算法在遮擋初始分割中對于不規(guī)則的前景輪廓具有較好的魯棒性，能夠得到準確的車輛初始位置。
　　(5)為了驗證本文算法的有效性，在