計(jì)算機(jī)視覺在智能交通中的應(yīng)用：若干關(guān)鍵問題的研究.pdf

1、本文嘗試在一些關(guān)鍵問題的處理上提出實(shí)時(shí)有效的算法。這些關(guān)鍵問題包括運(yùn)動(dòng)分割及車輛位置的提取，運(yùn)動(dòng)車輛的行駛軌跡跟蹤，分道線及道路紋理的識別，視覺遮擋分析等等，針對交通場景提出了新的剛體運(yùn)動(dòng)分割的方法，與傳統(tǒng)的方法不同，新方法在進(jìn)行參考背景學(xué)習(xí)時(shí)加入了一個(gè)運(yùn)動(dòng)因子對學(xué)習(xí)速度進(jìn)行自適應(yīng)的控制，同時(shí)運(yùn)用局部動(dòng)態(tài)閾值進(jìn)行判斷，提高了運(yùn)動(dòng)檢測的魯棒性，在平均處理時(shí)間上明顯優(yōu)于以往被較多采用的模型法；對學(xué)習(xí)得到的參考背景進(jìn)行分析，把象素分為“分道線

2、”、“路面”、“其它”三類，并提取各車道的位置信息，分道線的提取采用的是經(jīng)典的HOUGH變換以及曲線擬合的方法，而路面紋理的分割則是采用了一種新的區(qū)域生長的算法；基于前面兩點(diǎn)處理的結(jié)果，提出一種新的基于粒子濾波器的車輛跟蹤的算法，新算法參照傳統(tǒng)視覺跟蹤的理論框架，在向量初始化、狀態(tài)模型、觀測模型等方面提出了新的思路；設(shè)計(jì)了一種基于視頻的交通流量監(jiān)測的方法，與以往的虛擬線圈的方法相比，新方法更能適應(yīng)不同的車型，具有更高的準(zhǔn)確率；利用立體視