基于視頻的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法研究及軟件設(shè)計(jì).pdf

1、交通檢測(cè)是智能交通系統(tǒng)中最基礎(chǔ)的一步，從視頻序列中準(zhǔn)確地檢測(cè)出車(chē)輛目標(biāo)物是交通檢測(cè)的一個(gè)重要研究?jī)?nèi)容，也是智能交通領(lǐng)域和計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　目前已提出若干運(yùn)動(dòng)檢測(cè)方法，最為典型和常用的方法包括光流法、幀間差分法和背景減除法等?；诟咚够旌媳尘澳Ｐ偷谋尘皽p除法是進(jìn)行運(yùn)動(dòng)車(chē)輛檢測(cè)的常用方法之一，它是多個(gè)單高斯模型的組合。單高斯模型描述的背景模型單一，不能很好地描述背景中存在的擾動(dòng)，特別當(dāng)背景光照等環(huán)境因素發(fā)生改變時(shí)，單

2、高斯模型難以適應(yīng)這些改變。高斯混合模型雖然能適應(yīng)緩慢變化的光照，但對(duì)于突變性的光照變化卻不能很好的適應(yīng)。本文針對(duì)突變的光照對(duì)高斯混合模型影響進(jìn)行了探討，并研究了基于HSV顏色模型的高斯混合改進(jìn)算法。
　　當(dāng)光照發(fā)生突變時(shí)，背景更新速率設(shè)置的不合適導(dǎo)致突變的光照也被誤認(rèn)為前景，背景不能及時(shí)地更新，致使整個(gè)圖像的像素值在短時(shí)間內(nèi)發(fā)生大幅度的變化，前景結(jié)果出現(xiàn)大量虛假目標(biāo)。由于光照突變可認(rèn)為僅影響了HSV顏色模型中的V分量，而對(duì)H和S分

3、量沒(méi)有明顯影響，因此本文采用V分量改變的平均值的VPα作為判斷發(fā)生光照突變的判定標(biāo)準(zhǔn)；根據(jù)VPα的大小把光照突變分為較小波動(dòng)、較大波動(dòng)和嚴(yán)重突變等三種情況。在較小波動(dòng)時(shí)，只對(duì)背景模型進(jìn)行更新；在較大波動(dòng)時(shí)，增加背景模型的更新率，再更新背景模型；在嚴(yán)重突變時(shí)，首先對(duì)該幀圖像的V分量根據(jù)光照變化進(jìn)行整體上的增加或減少，而保持H和S分量不變，在將修改過(guò)的圖像轉(zhuǎn)換回RGB顏色數(shù)據(jù)，以避免由于整幅圖像光照情況的強(qiáng)烈改變而造成的RGB數(shù)據(jù)的強(qiáng)烈改變

4、，從而避免由于背景未及時(shí)跟上光照改變而造成大量背景區(qū)域被誤判為運(yùn)動(dòng)目標(biāo)的情況。實(shí)驗(yàn)結(jié)果表明了算法的有效性。
　　論文介紹Kalman濾波的跟蹤方法和Mean-shift目標(biāo)匹配算法，以及通過(guò)兩者的結(jié)合來(lái)完成目標(biāo)跟蹤的方法并予以實(shí)現(xiàn)。論文對(duì)視頻中運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤軟件進(jìn)行了設(shè)計(jì)，并利用OpenCV圖像庫(kù)在Visual C++2008中進(jìn)行了軟件的實(shí)現(xiàn)。該軟件不僅能演示原始視頻及檢測(cè)與跟蹤的視頻結(jié)果，而且提供了若干檢測(cè)與跟蹤算法，包括