智能交通下的車道線檢測(cè)和車輛檢測(cè)、跟蹤技術(shù)實(shí)現(xiàn).pdf

1、智能交通系統(tǒng)作為當(dāng)今道路交通領(lǐng)域的重要研究方向之一，其研究目的是為解決社會(huì)中交通事故頻發(fā)的問題?；诤幽洗髮W(xué)智能交通系統(tǒng)，本文主要研究了車道線檢測(cè)、車輛檢測(cè)和車輛跟蹤技術(shù)，其研究成果如下：
　　1、實(shí)現(xiàn)了一種基于Hough變換和K-means聚類的車道線檢測(cè)方法。首先，對(duì)視頻圖像進(jìn)行圖像縮放、感興趣區(qū)域劃分和高斯濾波等前期處理；然后，對(duì)道路視頻圖像采用sobel算子和canny算子進(jìn)行邊緣特征提取，并采用Hough變換進(jìn)行直線檢測(cè)

2、；最后，提出基于K-means聚類的道路擬合方法，實(shí)現(xiàn)車道線檢測(cè)。
　　2、實(shí)現(xiàn)了基于高斯混合背景模型和基于Adaboost級(jí)聯(lián)分類器兩種車輛檢測(cè)方法。在基于高斯混合背景模型車輛檢測(cè)方法中，首先，對(duì)前期處理視頻圖像采用高斯混合模型進(jìn)行前景背景分離；然后，對(duì)前景圖像進(jìn)行腐蝕和膨脹等形態(tài)學(xué)處理，進(jìn)一步取其動(dòng)態(tài)輪廓；最后，利用圖像中的輪廓進(jìn)行面積、長寬比和占空比等條件進(jìn)行篩選，完成對(duì)車輛的檢測(cè)。在基于 Adaboost級(jí)聯(lián)分類器車輛檢測(cè)

3、方法中，首先，通過離線采集大量車輛圖像的正、負(fù)樣本；然后，采用車輛圖像的Harr-like特征訓(xùn)練Adaboost級(jí)聯(lián)分類器；最后，采用多尺度檢測(cè)方法對(duì)視頻圖像進(jìn)行處理，實(shí)現(xiàn)車輛檢測(cè)。
　　3、實(shí)現(xiàn)了基于卡爾曼濾波的車輛跟蹤方法。首先，判斷視頻圖像中車輛目標(biāo)的初始位置；然后，不斷更新卡爾曼濾波器的測(cè)量值和預(yù)測(cè)值，校正跟蹤位置；最后，實(shí)現(xiàn)車輛跟蹤。更進(jìn)一步，本文還提出一種多車選擇跟蹤方法。
　　實(shí)驗(yàn)結(jié)果表明，本文實(shí)現(xiàn)的車道線檢