基于粒子濾波的智能車輛檢測與跟蹤.pdf

1、基于視頻的車輛檢測與跟蹤技術屬于模式識別與計算機視覺的研究范疇，許多學者花費了很大的心力對其做了深入的研究。由于基于視頻的檢測與跟蹤技術具有成本低，速度快等優(yōu)點，其已經(jīng)成為了當今智能交通控制領域的重要組成部分。但是因為視頻信號中的背景噪聲、光照變化等隨機因素相對較多，所以不同的算法在準確性和收斂性上存在很大的差異。本文首先用廣義GAMMA混合模型代替高斯混合模型，對視頻序列做背景建模，然后對車輛進行檢測，再后，使用粒子濾波算法對檢測結(jié)果

2、進行了跟蹤，最后通過基于GPU的并行算法改進了粒子濾波算法的運行速度，改進了整體算法的效能，得到了更好的結(jié)果。
　　基于視頻智能車輛檢測系統(tǒng)中，一般采用背景差法進行檢測。這種方法需要分別對車輛與背景進行建模，常用的模型是高斯混合模型。本文在使用高斯混合模型進行車輛檢測的基礎上，使用廣義GAMMA混合模型代替高斯混合模型，并通過EM算法對廣義GAMMA混合模型的參數(shù)進行估計。這種方法能夠克服高斯混合模型的對陰影識別能力差的缺陷，得到

3、更好的檢測結(jié)果。最后，通過仿真實驗證明了這種算法的可靠性和優(yōu)越性。
　　在檢測出運動車輛后，一般的步驟是要進行對車輛的跟蹤。由于車輛跟蹤算法一般使用Kalman濾波理論及其改進，因此，首先，要對車輛的運動方式進行建模，建立狀態(tài)轉(zhuǎn)移方程和觀測方程，然后應用濾波算法對目標車輛進行跟蹤。1993年，Gordon等人在序貫重要性采樣之后加入了重采樣步驟，完善了粒子濾波算法，使其成為在非高斯和非線性環(huán)境下，也就是更接近實際應用的情況下，進行