車(chē)輛檢測(cè)與樣本采集系統(tǒng)的研究與設(shè)計(jì).pdf

1、近年來(lái)，隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展，運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)得到迅猛發(fā)展，傳統(tǒng)的視頻監(jiān)控系統(tǒng)正逐漸向智能化方向發(fā)展。另外，在監(jiān)控系統(tǒng)的眾多監(jiān)控類(lèi)別中機(jī)動(dòng)車(chē)作為一種重要的監(jiān)控對(duì)象，存在車(chē)型差異大、位置和方向任意等諸多不利于智能化檢測(cè)和跟蹤的情況。尤其是安防監(jiān)控系統(tǒng)針對(duì)的復(fù)雜環(huán)境，因?yàn)闆](méi)有交通規(guī)則的約束，行人和車(chē)輛混雜，實(shí)現(xiàn)車(chē)輛的自動(dòng)檢測(cè)與跟蹤是一個(gè)具有挑戰(zhàn)性的課題，而且從這樣的環(huán)境中采集的車(chē)輛圖像樣本更具有代表性和豐富性等優(yōu)點(diǎn)，更適用于車(chē)

2、輛樣本數(shù)據(jù)庫(kù)的建設(shè)。車(chē)輛樣本庫(kù)的建設(shè)對(duì)智能化監(jiān)控系統(tǒng)和車(chē)輛自動(dòng)駕駛系統(tǒng)等研究有重要的支撐作用，同時(shí)在自動(dòng)采集車(chē)輛圖像過(guò)程中提出的車(chē)輛檢測(cè)與跟蹤、車(chē)輛停駛檢測(cè)，以及車(chē)輛細(xì)節(jié)抓拍等方法適用于視頻監(jiān)控系統(tǒng)的特定需求，具有較高的實(shí)用價(jià)值。
　　視頻監(jiān)控系統(tǒng)攝像頭控制方式通常采用固定和云臺(tái)兩種方式，鏡頭也分為定焦和變焦兩種類(lèi)型。本文研究和設(shè)計(jì)了基于云臺(tái)監(jiān)控?cái)z像機(jī)的車(chē)輛檢測(cè)與樣本采集系統(tǒng)，該系統(tǒng)在復(fù)雜監(jiān)控和環(huán)境中常用的標(biāo)準(zhǔn)化圖像格式 CIF(

3、Common Intermediate Format)分辨率條件下，通過(guò)實(shí)時(shí)的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤、車(chē)輛停駛檢測(cè)方法，控制攝像機(jī)的視角和變焦系數(shù)采集車(chē)輛的細(xì)節(jié)圖像，并存入車(chē)輛樣本數(shù)據(jù)庫(kù)。
　　首先，通過(guò)背景差分法和Blob分析方法檢測(cè)車(chē)輛。在背景差分基礎(chǔ)上提取運(yùn)動(dòng)目標(biāo)，再結(jié)合Blob分析中運(yùn)動(dòng)目標(biāo)的幾何特征檢測(cè)車(chē)輛。根據(jù)陰影特性采用了HSV顏色模型來(lái)消除光照影響。
　　其次，結(jié)合Blob和CamShift方法實(shí)現(xiàn)了車(chē)輛的跟蹤。

4、為了提高車(chē)輛跟蹤的準(zhǔn)確性，第一步利用連續(xù)幀車(chē)輛Blob塊的灰度直方圖特征匹配方法完成粗略跟蹤，然后采用CamShift方法進(jìn)行更精確的匹配來(lái)提高跟蹤的準(zhǔn)確性，達(dá)到86.7％的跟蹤準(zhǔn)確性。跟蹤過(guò)程中記錄了車(chē)輛的運(yùn)動(dòng)軌跡。
　　最后，依據(jù)車(chē)輛的運(yùn)動(dòng)軌跡判定其停駛狀態(tài)。如果車(chē)輛的運(yùn)動(dòng)軌跡在若干連續(xù)幀內(nèi)保持不變，則將該車(chē)輛判定為停駛狀態(tài)并設(shè)為采集對(duì)象。根據(jù)停駛車(chē)輛的位置信息，調(diào)整攝像機(jī)視角和變焦系數(shù)，獲取車(chē)輛細(xì)節(jié)圖像并存入樣本數(shù)據(jù)庫(kù)。