智能交通系統(tǒng)中車輛視頻檢測、識(shí)別與跟蹤方法的研究.pdf

1、本文主要研究了基于計(jì)算機(jī)視覺技術(shù)的智能交通系統(tǒng)的基本理論和關(guān)鍵技術(shù)。智能交通系統(tǒng)中的交通檢測與信息采集已經(jīng)成為計(jì)算機(jī)視覺技術(shù)應(yīng)用的一項(xiàng)重要課題，而運(yùn)動(dòng)車輛的自動(dòng)檢測、陰影去除、識(shí)別與跟蹤則是其中最基礎(chǔ)的部分。本論文針對(duì)以上幾方面問題進(jìn)行了探索和研究，提出了新的方法，并通過實(shí)驗(yàn)證明了新方法的有效性。主要研究包括以下幾個(gè)方面： 1．在光流場等技術(shù)的基礎(chǔ)上，提出了一種自適應(yīng)背景逼近更新方法，以適應(yīng)光線的變化以及噪聲的影響；根據(jù)彩色差值

2、模型計(jì)算當(dāng)前幀圖像和當(dāng)前逼近背景圖像的差分圖像；并引入Gauss模型實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的自適應(yīng)閾值分割。本文提出的算法魯棒性好，在沒有背景先驗(yàn)知識(shí)的情況下對(duì)運(yùn)動(dòng)物體的檢測取得了很好的效果。 2．本文基于運(yùn)動(dòng)物體的形狀和顏色特征提出一種新的影子去除算法，首先用單個(gè)車輛的輪廓信息確定影子的大致方向；其次對(duì)用差分法得到的運(yùn)動(dòng)區(qū)域提取其運(yùn)動(dòng)輪廓，通過計(jì)算其拐點(diǎn)得到影子區(qū)域的種子點(diǎn)；最后用顏色信息對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行聚類，通過形態(tài)學(xué)去噪處理即可得到

3、影子的精確區(qū)域。實(shí)驗(yàn)證明了該方法能實(shí)時(shí)有效的去除運(yùn)動(dòng)車輛的影子。 3．針對(duì)我國混合交通占主導(dǎo)的實(shí)際狀況，提出了一種多特征融合的運(yùn)動(dòng)物體分級(jí)識(shí)別方法，實(shí)現(xiàn)了卡車、轎車、摩托車、行人等多類識(shí)別。首先引入支持向量機(jī)對(duì)運(yùn)動(dòng)物體的7個(gè)矩特征進(jìn)行一級(jí)分類識(shí)別；對(duì)于得到的結(jié)果，結(jié)合提取的面積、速度等特征，運(yùn)用模糊積分方法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的最終分類。該算法魯棒性好，在路口、非路口行人車輛并存的情況下對(duì)運(yùn)動(dòng)物體的識(shí)別取得了很好的效果，為運(yùn)動(dòng)物體跟蹤等

4、后續(xù)工作奠定了基礎(chǔ)。 4．在運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤中，基于Kalman濾波的方法是常用的有效方法，但因目標(biāo)檢測時(shí)常將靠近的物體檢測成一個(gè)目標(biāo)引起誤檢現(xiàn)象，這會(huì)使在目標(biāo)匹配時(shí)產(chǎn)生錯(cuò)誤。為此，本文首先考察運(yùn)動(dòng)區(qū)域的長寬比和占空比，進(jìn)行誤檢判斷；然后提出了一種基于輪廓特征拐點(diǎn)的運(yùn)動(dòng)目標(biāo)分割方法；最后引入基于Kalman濾波的跟蹤模型。實(shí)驗(yàn)結(jié)果表明：本文采用的誤檢判斷準(zhǔn)則對(duì)多車輛的檢測區(qū)域有較高的識(shí)別率；提出的基于輪廓特征拐點(diǎn)的運(yùn)動(dòng)目標(biāo)分割