基于目標(biāo)跟蹤的交通逆行事件檢測(cè)算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理和模式識(shí)別以及計(jì)算機(jī)視覺(jué)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(shí)現(xiàn)一個(gè)交通逆行事件檢測(cè)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(chē)輛檢測(cè)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?。?yàn)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(duì)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(méi)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(duì)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(shí)驗(yàn)表明，該算法縮短了閾值選取的運(yùn)行時(shí)間，取得了較好的效果。 (2)運(yùn)動(dòng)車(chē)輛的檢測(cè)。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(dòng)態(tài)更新背景的方法對(duì)背景進(jìn)行實(shí)時(shí)的更新。運(yùn)用背景差分和連通性的判斷對(duì)車(chē)輛進(jìn)行粗

3、定位。實(shí)驗(yàn)表明，綜合應(yīng)用這些方法能夠取得較為滿(mǎn)意的結(jié)果。 (3)基于卡爾曼濾波預(yù)測(cè)的運(yùn)動(dòng)車(chē)輛跟蹤和逆行檢測(cè)。在充分了解視頻信號(hào)預(yù)測(cè)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(mǎn)足實(shí)時(shí)性地要求下，本文采用卡爾曼濾波技術(shù)進(jìn)行預(yù)測(cè)，并結(jié)合車(chē)輛檢測(cè)過(guò)程中得到的車(chē)輛位置、車(chē)輛形狀等特征共同完成對(duì)車(chē)輛的跟蹤。最后利用跟蹤得到的車(chē)輛形心軌跡信息對(duì)逆行交通事件進(jìn)行了檢測(cè)。實(shí)驗(yàn)表明，這種跟蹤和逆行檢測(cè)算法有較好的穩(wěn)定性，并使得交通事件