基于OpenCV的視頻序列中運動車輛的檢測與跟蹤.pdf

1、城市交通擁堵是世界各國政府面臨的普遍問題，智能交通系統(tǒng)的發(fā)展能有效改善交通現(xiàn)狀。而作為智能交通系統(tǒng)重要組成部分的車輛檢測與跟蹤，目前已成為研究的熱點。車輛的檢測與跟蹤不僅需要對視頻信號進行大量的數(shù)據(jù)處理，還要對其結(jié)果做出相應(yīng)的判斷，如車輛行為分析、運動軌跡等，這些都需要精確的算法。大量底層代碼的編寫既耗時又耗力，而Intel公司的開源代碼庫OpenCV，其函數(shù)庫中含有豐富的圖像處理源代碼，為本研究的順利進行提供了很大的幫助。本文基于Op

2、enCV二次開發(fā)平臺主要做了視頻序列圖像預(yù)處理、運動車輛的檢測與跟蹤和系統(tǒng)軟件設(shè)計三個方面的工作。
　　在預(yù)處理部分，針對視頻幀序列圖像中容易出現(xiàn)的干擾噪聲、顏色相似等因素的影響，對圖像進行去噪和形態(tài)學(xué)處理，使圖像中目標特征信息更加明顯，有利于下文中目標的檢測跟蹤。
　　在運動車輛檢測部分，基于傳統(tǒng)的檢測算法對運動車輛檢測結(jié)果準確性不高的問題，本文將三幀差分法和邊緣信息相結(jié)合來進行車輛檢測。先通過邊緣檢測算子對被檢測車輛進行

3、邊緣信息提取，然后利用三幀差分法對連續(xù)三幀圖像進行兩兩做差，對做差結(jié)果進行與運算后再進行形態(tài)學(xué)處理，最后得到較好的檢測效果，并通過實驗驗證了該算法的可行性。
　　在運動車輛跟蹤部分，考慮到本論文研究的是攝像頭拍攝的道路視頻序列圖像，此環(huán)境易受到車輛遮擋、目標顏色和環(huán)境顏色相似等因素的干擾，所以本文采用具有目標位置預(yù)測的Kalman濾波和CamShift算法相結(jié)合來實現(xiàn)運動車輛跟蹤，并分別對單車輛和多車輛進行跟蹤驗證了算法的可行性。