基于目標(biāo)跟蹤的交通逆行事件檢測算法研究.pdf

1、運(yùn)動目標(biāo)檢測與跟蹤是數(shù)字圖像處理和模式識別以及計算機(jī)視覺領(lǐng)域研究的主要內(nèi)容之一，逐漸成為人們研究的熱點(diǎn)，在軍事、民用等諸多領(lǐng)域有著廣泛的應(yīng)用。 本文在充分研究視頻目標(biāo)跟蹤的基礎(chǔ)上，實現(xiàn)一個交通逆行事件檢測系統(tǒng)。分析了當(dāng)前在視頻跟蹤中的一些濾波技術(shù)，研究了一些車輛檢測和跟蹤的方法，提出了一些新的算法思想。主要的工作和貢獻(xiàn)有： (1)基于模擬退火算法的圖像二值化的閾值選?。驗橐曨l序列前后兩幀有很大的相關(guān)性，前后兩幀所選的閾

2、值很相近，若按傳統(tǒng)的OTSU算法對分割閾值從0-255的所有灰度值依次遍歷，找出閾值，略顯笨拙，沒有利用幀間相關(guān)性；本文在保存上一幀閾值的基礎(chǔ)上，運(yùn)用模擬退火算法對本幀閾值進(jìn)行一種智能搜索，優(yōu)化了搜索方法，提高了運(yùn)行效率。實驗表明，該算法縮短了閾值選取的運(yùn)行時間，取得了較好的效果。 (2)運(yùn)動車輛的檢測。本文運(yùn)用了分塊獲取背景的初始化方法，然后采用一種動態(tài)更新背景的方法對背景進(jìn)行實時的更新。運(yùn)用背景差分和連通性的判斷對車輛進(jìn)行粗

3、定位。實驗表明，綜合應(yīng)用這些方法能夠取得較為滿意的結(jié)果。 (3)基于卡爾曼濾波預(yù)測的運(yùn)動車輛跟蹤和逆行檢測。在充分了解視頻信號預(yù)測濾波的技術(shù)，較深入地分析卡爾曼濾波與粒子濾波的異同后，在滿足實時性地要求下，本文采用卡爾曼濾波技術(shù)進(jìn)行預(yù)測，并結(jié)合車輛檢測過程中得到的車輛位置、車輛形狀等特征共同完成對車輛的跟蹤。最后利用跟蹤得到的車輛形心軌跡信息對逆行交通事件進(jìn)行了檢測。實驗表明，這種跟蹤和逆行檢測算法有較好的穩(wěn)定性，并使得交通事件