基于單個(gè)攝像機(jī)的車輛檢測(cè)與跟蹤.pdf

1、本文的研究內(nèi)容是基于單個(gè)攝像機(jī)的車輛檢測(cè)與跟蹤，主要是對(duì)本車前方的運(yùn)動(dòng)車輛進(jìn)行檢測(cè)和跟蹤。車輛檢測(cè)一般分為兩個(gè)步驟：第一步，找到車輛的候選區(qū)域；第二步，對(duì)車輛候選區(qū)域進(jìn)行確認(rèn)。本文首先詳細(xì)分析了前方車輛在圖像中所具有的一些特征，最后融合了車輛底部的陰影、紋理、形狀、和灰度對(duì)稱特征進(jìn)行車輛的檢測(cè)。通過車輛底部的陰影找到感興趣區(qū)域ROI，然后運(yùn)用熵初步過濾掉一些路面干擾區(qū)域，剩下的區(qū)域作為車輛檢測(cè)的候選區(qū)域，完成車輛檢測(cè)的第一步。由于模型匹

2、配方法過分依賴模型，在模型匹配失敗的時(shí)候無法完成車輛的檢測(cè)，而且很難為車輛建立一個(gè)精確的模型，所以本文融合車輛的形狀特征和灰度對(duì)稱特征對(duì)車輛的候選區(qū)域進(jìn)行確認(rèn)，完成車輛檢測(cè)的第二步。從實(shí)驗(yàn)結(jié)果看，本文所提出的多種特征融合的車輛檢測(cè)方法能對(duì)前方不同形狀、顏色、大小、距離的車輛進(jìn)行檢測(cè)，也能對(duì)不同姿態(tài)的車輛進(jìn)行檢測(cè)。而且本文的車輛檢測(cè)算法受光照的影響小，能在一定程度上完成由于車輛的顛簸造成攝像機(jī)抖動(dòng)情況下的車輛檢測(cè)，也能完成復(fù)雜路況下的車輛

3、檢測(cè)，是一種非常有效的車輛檢測(cè)方法。 本文分析了基于模型的運(yùn)動(dòng)車輛跟蹤方法和基于Kalman濾波器的運(yùn)動(dòng)車輛跟蹤方法。由于基于模型的運(yùn)動(dòng)車輛跟蹤方法在進(jìn)行車輛跟蹤的時(shí)容易發(fā)生跟蹤漂移，而且不能處理遮擋情況下的跟蹤；基于Kalman濾波器的運(yùn)動(dòng)車輛跟蹤方法一般都是假設(shè)車輛做勻速或者勻加速直線運(yùn)動(dòng)，對(duì)于實(shí)際車輛的運(yùn)動(dòng)規(guī)律不是很恰當(dāng)，而且還存在Kalman濾波器參數(shù)初始化等問題，跟蹤結(jié)果也不好。本文提出了基于模型和灰度對(duì)稱融合的運(yùn)動(dòng)車