基于視覺(jué)的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤.pdf

1、隨著我國(guó)城市化進(jìn)程的不斷加快，尤其是二十一世紀(jì)以來(lái)的幾年，城市公路交通系統(tǒng)的壓力不斷加大。因此，基于計(jì)算機(jī)視覺(jué)技術(shù)的智能交通系統(tǒng)的重要性日益顯著，其核心技術(shù)是在靜止相機(jī)拍攝的圖像序列中進(jìn)行運(yùn)動(dòng)車(chē)輛檢測(cè)與運(yùn)動(dòng)車(chē)輛跟蹤。本文主要研究了車(chē)輛檢測(cè)與跟蹤問(wèn)題中的幾個(gè)關(guān)鍵技術(shù)。這些技術(shù)可以有效的提高車(chē)輛檢測(cè)與跟蹤的性能。本文的主要研究?jī)?nèi)容概括如下。 ⑴對(duì)動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)車(chē)輛檢測(cè)的問(wèn)題進(jìn)行了研究，提出了一種基于貝葉斯框架的高斯運(yùn)動(dòng)模型來(lái)檢測(cè)動(dòng)態(tài)

2、場(chǎng)景中的運(yùn)動(dòng)車(chē)輛。首先，我們?cè)谥狈綀D中比較了動(dòng)態(tài)背景的運(yùn)動(dòng)向量和運(yùn)動(dòng)車(chē)輛的運(yùn)動(dòng)向量，然后我們用兩個(gè)高斯運(yùn)動(dòng)模型來(lái)對(duì)運(yùn)動(dòng)車(chē)輛像素的運(yùn)動(dòng)向量和動(dòng)態(tài)背景像素的運(yùn)動(dòng)向量分別進(jìn)行建模。貝葉斯框架被用來(lái)將場(chǎng)景中的運(yùn)動(dòng)像素分類(lèi)為運(yùn)動(dòng)車(chē)輛或者動(dòng)態(tài)背景。根據(jù)每個(gè)運(yùn)動(dòng)像素的分類(lèi)結(jié)果，EM算法被用來(lái)更新相應(yīng)類(lèi)別的高斯運(yùn)動(dòng)模型和貝葉斯框架。為了得到場(chǎng)景中的運(yùn)動(dòng)像素，我們使用經(jīng)典的背景差法，并且提出了利用背景的光照變化來(lái)計(jì)算背景更新的速度，從而在光照快速變化的時(shí)

3、候能提高更新速度，而在光照變化慢的時(shí)候降低更新速度。 ⑵系統(tǒng)的介紹了一種基于比值邊緣的新方法來(lái)檢測(cè)圖像中的運(yùn)動(dòng)陰影。我們首先分析了陰影的光照模型，并且證明了像素鄰域的比值邊緣具有光照不變性。在比值邊緣域，我們應(yīng)用背景差法進(jìn)行陰影檢測(cè)。通過(guò)結(jié)合噪聲模型，我們分析了比值邊緣域的歸一化背景差值的概率分布，并將之近似為一個(gè)x2分布。一個(gè)顯著度測(cè)試被用于自動(dòng)獲取門(mén)限來(lái)進(jìn)行陰影檢測(cè)。通過(guò)利用背景圖像與采集圖像之間的亮度和幾何的約束關(guān)系，我們

4、進(jìn)一步的提高了檢測(cè)性能。同時(shí)，我們采用了一種迭代的方法來(lái)對(duì)圖像的陰影強(qiáng)度比進(jìn)行估計(jì)。 ⑶提出了一個(gè)多級(jí)框架來(lái)檢測(cè)和消除車(chē)輛的遮擋。該框架包括三級(jí)：幀內(nèi)級(jí)、幀間級(jí)和跟蹤級(jí)。在幀內(nèi)級(jí)我們根據(jù)車(chē)輛的面積與車(chē)輛的凸包面積之比值來(lái)檢測(cè)車(chē)輛遮擋，而檢測(cè)出的遮擋則通過(guò)從車(chē)輛中去除一個(gè)“切割區(qū)域”來(lái)被消除，該“切割區(qū)域”通過(guò)對(duì)遮擋車(chē)輛的形狀進(jìn)行分析而被計(jì)算出。在幀間級(jí)，我們認(rèn)為非遮擋車(chē)輛的運(yùn)動(dòng)向量服從高斯分布。因而，我們通過(guò)在檢測(cè)的車(chē)輛的運(yùn)動(dòng)向

5、量場(chǎng)上使用Lilliefors測(cè)試來(lái)檢測(cè)車(chē)輛遮擋，而檢測(cè)到的車(chē)輛遮擋則通過(guò)不同運(yùn)動(dòng)向量的分類(lèi)實(shí)現(xiàn)消除。在跟蹤級(jí)，我們構(gòu)建了一個(gè)遮擋層模型，并且對(duì)其進(jìn)行自適應(yīng)的更新。而檢測(cè)出的車(chē)輛則被同時(shí)在采集的圖像和構(gòu)建的遮擋層圖像中進(jìn)行跟蹤。我們提出了一種雙向的遮擋推理算法來(lái)解決遮擋層所出現(xiàn)的遮擋。該遮擋推理算法包括：遮擋后向推理、遮擋層推理、遮擋前向推理和遮擋層圖像更新。對(duì)于每個(gè)檢測(cè)出的車(chē)輛，幀內(nèi)級(jí)和幀間級(jí)的遮擋檢測(cè)和消除算法被依次執(zhí)行，而跟蹤級(jí)的