視頻車輛跟蹤方法研究.pdf

1、與傳統(tǒng)的車輛檢測器相比，基于視頻圖像處理與視覺技術(shù)的車輛檢測器具有處理速度快、安裝維護便捷且費用較低、可監(jiān)視范圍廣、可獲取更多種類的交通參數(shù)等諸多優(yōu)點，因而近年來在智能交通（ITS）中得到了越來越廣泛的應(yīng)用。針對視頻交通序列圖像，人們提出了很多視頻圖像處理和分析技術(shù)，其中運動車輛的有效檢測和跟蹤是現(xiàn)代智能交通系統(tǒng)中的核心部分，也是計算機視覺研究的一個重要領(lǐng)域。 本文基于從固定攝像頭提取視頻圖像，并從提取出的視頻圖像序列中檢測并跟

2、蹤運動車輛，從而提取交通參數(shù)來輔助解決交通問題。完成的主要研究工作如下： 1．運動目標車輛的檢測。使用背景相減法獲得運動目標。運用一種基于區(qū)間分布的自適應(yīng)背景提取和更新方法獲得背景；然后運用背景相減法結(jié)合閾值化來檢測運動目標車輛，并對圖像的平滑處理、增強、邊界檢測、噪聲去除等方面做了分析和研究。實現(xiàn)了視頻序列中運動車輛的有效檢測和提取。并對運動車輛的陰影問題進行處理，以現(xiàn)有算法為基礎(chǔ)，去除檢測車輛的陰影。 2．運動車輛跟

3、蹤。本文提出了一種基于彩色特征的擴展卡爾曼濾波跟蹤方法，利用卡爾曼濾波理論建立運動模型，通過車輛特征進行預(yù)測，預(yù)測得到的運動目標和當(dāng)前幀中目標進行匹配，確定其運動軌跡，對運動車輛進行跟蹤，進而可以得到車速、車流量等重要的交通參數(shù)，由于彩色特征比灰度特征包含更多信息量，而且具有平移和旋轉(zhuǎn)不變性。通過提取目標車輛的彩色特征可以很好的解決車輛轉(zhuǎn)彎和車輛遮擋的問題，并且可以進行準確目標定位跟蹤。 我們對算法進行了的模擬仿真實現(xiàn)，測試了目