基于視覺的運動車輛檢測與跟蹤.pdf

1、隨著我國城市化進程的不斷加快，尤其是二十一世紀以來的幾年，城市公路交通系統(tǒng)的壓力不斷加大。因此，基于計算機視覺技術的智能交通系統(tǒng)的重要性日益顯著，其核心技術是在靜止相機拍攝的圖像序列中進行運動車輛檢測與運動車輛跟蹤。本文主要研究了車輛檢測與跟蹤問題中的幾個關鍵技術。這些技術可以有效的提高車輛檢測與跟蹤的性能。本文的主要研究內(nèi)容概括如下。 ⑴對動態(tài)場景中運動車輛檢測的問題進行了研究，提出了一種基于貝葉斯框架的高斯運動模型來檢測動態(tài)

2、場景中的運動車輛。首先，我們在直方圖中比較了動態(tài)背景的運動向量和運動車輛的運動向量，然后我們用兩個高斯運動模型來對運動車輛像素的運動向量和動態(tài)背景像素的運動向量分別進行建模。貝葉斯框架被用來將場景中的運動像素分類為運動車輛或者動態(tài)背景。根據(jù)每個運動像素的分類結果，EM算法被用來更新相應類別的高斯運動模型和貝葉斯框架。為了得到場景中的運動像素，我們使用經(jīng)典的背景差法，并且提出了利用背景的光照變化來計算背景更新的速度，從而在光照快速變化的時

3、候能提高更新速度，而在光照變化慢的時候降低更新速度。 ⑵系統(tǒng)的介紹了一種基于比值邊緣的新方法來檢測圖像中的運動陰影。我們首先分析了陰影的光照模型，并且證明了像素鄰域的比值邊緣具有光照不變性。在比值邊緣域，我們應用背景差法進行陰影檢測。通過結合噪聲模型，我們分析了比值邊緣域的歸一化背景差值的概率分布，并將之近似為一個x2分布。一個顯著度測試被用于自動獲取門限來進行陰影檢測。通過利用背景圖像與采集圖像之間的亮度和幾何的約束關系，我們

4、進一步的提高了檢測性能。同時，我們采用了一種迭代的方法來對圖像的陰影強度比進行估計。 ⑶提出了一個多級框架來檢測和消除車輛的遮擋。該框架包括三級：幀內(nèi)級、幀間級和跟蹤級。在幀內(nèi)級我們根據(jù)車輛的面積與車輛的凸包面積之比值來檢測車輛遮擋，而檢測出的遮擋則通過從車輛中去除一個“切割區(qū)域”來被消除，該“切割區(qū)域”通過對遮擋車輛的形狀進行分析而被計算出。在幀間級，我們認為非遮擋車輛的運動向量服從高斯分布。因而，我們通過在檢測的車輛的運動向

5、量場上使用Lilliefors測試來檢測車輛遮擋，而檢測到的車輛遮擋則通過不同運動向量的分類實現(xiàn)消除。在跟蹤級，我們構建了一個遮擋層模型，并且對其進行自適應的更新。而檢測出的車輛則被同時在采集的圖像和構建的遮擋層圖像中進行跟蹤。我們提出了一種雙向的遮擋推理算法來解決遮擋層所出現(xiàn)的遮擋。該遮擋推理算法包括：遮擋后向推理、遮擋層推理、遮擋前向推理和遮擋層圖像更新。對于每個檢測出的車輛，幀內(nèi)級和幀間級的遮擋檢測和消除算法被依次執(zhí)行，而跟蹤級的