交通視頻流中車(chē)輛檢測(cè)與跟蹤技術(shù)的研究.pdf

1、智能交通系統(tǒng)（Intelligent Transportation System）是一種融合信息技術(shù)、通信技術(shù)、自動(dòng)控制等多種技術(shù)的交通運(yùn)輸管理系統(tǒng)。ITS系統(tǒng)能夠緩解交通擁堵、減少交通事故以及提高道路利用率。使用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)智能交通系統(tǒng)中信息的采集具有安裝方便、信息量大的優(yōu)點(diǎn)，是一項(xiàng)具有研究?jī)r(jià)值的課題。對(duì)交通視頻中車(chē)輛的自動(dòng)檢測(cè)與跟蹤是其中最基礎(chǔ)的部分，本文針對(duì)這兩個(gè)部分進(jìn)行了研究。
　　在車(chē)輛檢測(cè)部分，本文采用背景相減法

2、對(duì)車(chē)輛進(jìn)行提取，該方法能夠得到完整的車(chē)輛外形輪廓。同時(shí)利用多幀平均法生成實(shí)時(shí)背景，結(jié)合幀間相差法對(duì)背景的更新速率進(jìn)行調(diào)整。該方法計(jì)算速度快，能夠提高背景的更新速率以及較好的對(duì)車(chē)輛拖影進(jìn)行抑制，生成的背景能夠滿(mǎn)足車(chē)輛提取的需要。然后運(yùn)用數(shù)學(xué)形態(tài)學(xué)對(duì)車(chē)輛的二值圖像進(jìn)行處理，提高車(chē)輛提取的準(zhǔn)確性。
　　在運(yùn)動(dòng)車(chē)輛的跟蹤部分，基于區(qū)域的目標(biāo)跟蹤方法具有算法簡(jiǎn)單、容易實(shí)現(xiàn)的優(yōu)點(diǎn)，因此本文采用區(qū)域跟蹤方法對(duì)車(chē)輛進(jìn)行跟蹤。同時(shí)結(jié)合Kalman濾

3、波對(duì)車(chē)輛的位置進(jìn)行預(yù)測(cè)，這樣能夠減少車(chē)輛匹配的計(jì)算時(shí)間，提高跟蹤效率。當(dāng)出現(xiàn)車(chē)輛互相遮擋的情況，本文將基于車(chē)輛顏色信息的Mean-shift跟蹤算法與Kalman濾波相結(jié)合對(duì)連接車(chē)輛進(jìn)行跟蹤，首先使用 Kalman濾波預(yù)測(cè)車(chē)輛的位置，然后Mean-shift算法從預(yù)測(cè)位置開(kāi)始對(duì)車(chē)輛進(jìn)行搜索，這樣可以減少M(fèi)ean-shift算法的搜索次數(shù)。為了提高M(jìn)ean-shift算法對(duì)車(chē)輛的搜索能力，本文根據(jù)車(chē)輛在相鄰幀中尺寸變化率相對(duì)固定的特點(diǎn)，利