基于視頻的高速路運動車輛檢測與跟蹤方法研究.pdf

1、基于視頻的運動目標檢測與跟蹤技術是計算機視覺領域中的研究熱點，是智能交通系統(tǒng)中最為基礎和關鍵部分。而且也被廣泛應用于視頻壓縮、虛擬現(xiàn)實和人機交互等領域?；谝曨l的運動車輛檢測與跟蹤是利用計算機視覺、信息融合、模式識別和人工智能等方法和技術進行交通道路中的運動車輛檢測、車輛識別和道路利用監(jiān)視，其性能完全優(yōu)于傳統(tǒng)的利用測速雷達、環(huán)形檢測線圈和超聲檢測器等的交通參數(shù)獲取方法。
　　 本文給出了由運動目標檢測、形態(tài)學濾波、連通區(qū)域標記、

2、目標跟蹤等部分組成的高速路車輛檢測與跟蹤方法。并對實現(xiàn)過程中的問題與難點進行了分析和解決。在視頻運動目標檢測中，提出了基于幀間差分法的光流閾值分割法利用結(jié)構張量這一圖像局部結(jié)構信息求解光流向量，采用光流期望值的閾值分割圖像序列中的運動目標。由于是在利用幀間差法得到圖像目標因子的基礎上進行光流閾值分割，減少了光流的計算量，提高了其實用性。采用基于卡爾曼預測的均值漂移跟蹤方法，假設運動目標做勻速直線運動，用卡爾曼濾波理論建立運動目標狀態(tài)預測

3、模型，預測目標在當前幀的運動狀態(tài)，然后采用Mean-Shift向量進行最速下降的搜索匹配，并根據(jù)Bhattacharyya相似系數(shù)判斷遮擋問題以及模型更新，利用卡爾曼濾波預測大大的減少了Mean-Shift迭代次數(shù)，提高跟蹤的實時性。采用VisualC++6.0開發(fā)工具和OpenCV開發(fā)包實現(xiàn)了算法，并對錄制的一段交通監(jiān)控視頻進行了實驗。實驗結(jié)果表明，本文提出的算法能夠有效地對視頻序列中的運動車輛進行檢測、分割和跟蹤，具有一定的可行性。