基于運動矢量和CAMShift的多目標車輛跟蹤技術(shù)研究.pdf

1、基于視頻的交通檢測系統(tǒng)具有檢測范圍廣、能夠追蹤檢測特定車輛等特殊優(yōu)點，因而在交通信息采集與管理中扮演了越來越重要的角色。車輛跟蹤技術(shù)是視頻交通檢測系統(tǒng)的核心技術(shù)，本文在深入分析國內(nèi)外研究現(xiàn)狀基礎(chǔ)上，針對實際交通場景存在的跟蹤目標不唯一和相近顏色干擾等復雜情況，提出了一種基于運動矢量和CAMShift算法的多目標車輛自動跟蹤技術(shù)。
　　 論文提出的多目標車輛跟蹤技術(shù)研究包括多目標車輛檢測、車輛位置預測和車輛特征匹配三個具體技術(shù)。在

2、多目標檢測環(huán)節(jié)，論文通過對比分析幾種常用目標檢測方法，確定采用背景差分法進行目標車輛的檢測，并重點研究了背景建模與更新、目標粘連處理、目標篩選及初始化等關(guān)鍵技術(shù)，實現(xiàn)了多目標的準確提取、分離及新目標篩選，為多目標車輛跟蹤提供了初始目標模板。在車輛位置預測方面，論文采用塊匹配算法來進行車輛的運動矢量的計算;在此基礎(chǔ)上，依據(jù)車輛運動矢量運動一致性特點，通過矢量中值濾波和最大頻率法統(tǒng)計分析了車輛區(qū)域的運動矢量矩陣，并選取了最具代表性的運動矢量

3、作為車輛的運動估計的依據(jù)，構(gòu)建了基于運動矢量的目標位置預測模型。在車輛特征匹配環(huán)節(jié)，論文針對傳統(tǒng)CAMShift算法僅能進行顏色特征匹配的缺點，提出了通過顏色和邊緣特征融合的改進方法，提高了車輛特征描述的完備性。結(jié)合目標車輛檢測、車輛位置預測和車輛特征匹配三個具體技術(shù)，論文最終構(gòu)建了基于運動矢量與改進CAMShift的多車輛跟蹤方法，實現(xiàn)了多車輛目標的自動跟蹤并準確提取車輛的運動軌跡。
　　 論文提出的多目標車輛跟蹤技術(shù)在相似顏