智能交通系統(tǒng)中車輛檢測與跟蹤技術(shù)的研究.pdf

1、社會經(jīng)濟(jì)的發(fā)展促使道路交通迅速發(fā)展，機(jī)動車數(shù)量不斷增加。為了解決地面交通迅速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)(ITS)被提到了重要位置。而在智能交通系統(tǒng)中，車輛的檢測與跟蹤是車流量統(tǒng)計、車輛擁塞控制等后續(xù)處理的重要基礎(chǔ)。 本論文首先分析研究了車輛視頻檢測方法的研究意義和研究現(xiàn)狀，并指出其中的主要問題和關(guān)鍵問題，圍繞這些問題，安排了論文的框架結(jié)構(gòu)。 為了應(yīng)用背景差分法，我們就需要獲得一個干凈的背景，這就需要一個有效的背景

2、建模方法，方法的優(yōu)劣可以從實驗效果和處理時間兩方面進(jìn)行衡量。論文用C＼C++代碼實現(xiàn)了以往常用的幾種背景建模方法，但不同于以往的做法，本文所有的建模方法都是基于R、G、B三個通道進(jìn)行處理的。不僅如此，本文還提出了一種新的基于區(qū)間法的背景建模法，經(jīng)過比較分析各種方法，基于區(qū)間法的背景建模法和混合高斯背景模型法都能得到干凈的背景圖像，且能適應(yīng)復(fù)雜的天氣條件，但前者較之后者處理時間大大縮短了，因此，本文下面的處理都是基于基于區(qū)間法的背景建模法

3、。 得到了干凈的背景圖像之后，我們利用背景差分法得到了前景圖像，為了方便對其進(jìn)行跟蹤，先后對前景圖像進(jìn)行閾值分割、形態(tài)學(xué)處理、求取車輛的外接矩形等操作。其中的閾值分割是對R、G、B三個通道的平方和取根值的，外接矩形的求取實際上就是一種區(qū)域增長法。 在車輛跟蹤方面，本文根據(jù)Kalman濾波器的原理進(jìn)行建模，將車輛的外接矩形的各個參數(shù)轉(zhuǎn)化為Kalman濾波器的參數(shù)，從而能夠應(yīng)用Kalman濾波器的公式。實驗表明，該方法能夠?qū)?/p>

4、車輛進(jìn)行穩(wěn)定的跟蹤。 根據(jù)夜間道路場景的特點(diǎn)，本文提出了一種新的基于車尾燈檢測的方法來對夜間車輛進(jìn)行檢測和跟蹤，由于車尾燈區(qū)域中的R通道比重較大，所以我們可以根據(jù)計算每個像素點(diǎn)的R通道的比重從而判別得到車尾燈區(qū)域，再根據(jù)一些先驗知識、車尾燈區(qū)域的像素點(diǎn)的速度信息，我們可以將屬于同一輛車的車尾燈區(qū)域合并，從而得到車輛；再利用前面的Kalman濾波器跟蹤法，完成對夜間車輛的跟蹤。 前面討論的背景建模方法就是為了適應(yīng)復(fù)雜多變的

5、天氣條件的，為了進(jìn)一步驗證這種建模方法的有效性，在第五章，我們詳細(xì)討論了在雨天和多云的天氣條件下，對車輛進(jìn)行檢測和跟蹤。由于在雨天和多云的情況下，車輛和路邊物體容易在地面形成陰影或倒影導(dǎo)致檢測錯誤，為了消除陰影和倒影，本文提出一種新的簡單的陰影檢測算法，實驗表明，利用此算法，陰影和倒影能夠得到有效的消除。然后，我們就可以應(yīng)用前面討論的算法，對車輛進(jìn)行檢測和跟蹤。 本文的所有視頻圖像序列都是在東南大學(xué)東門天橋處采集，實驗結(jié)果都是用