智能交通中車輛檢測(cè)與跟蹤技術(shù)的研究.pdf

1、在智能交通系統(tǒng)中，車輛的有效檢測(cè)與實(shí)時(shí)跟蹤是車輛的行為分析和行為判斷的前提，能夠?qū)崟r(shí)準(zhǔn)確地提供監(jiān)測(cè)道路的交通動(dòng)態(tài)信息，為后續(xù)特定處理做準(zhǔn)備，例如整理運(yùn)算車流狀況相關(guān)數(shù)據(jù)、預(yù)警突發(fā)事故、整體規(guī)劃交通系統(tǒng)，從而改善交通環(huán)境、減輕交通堵塞、提高道路利用率、提高排障效率。 如何提高車輛檢測(cè)與跟蹤算法的精度、響應(yīng)速度及抗干擾能力是智能交通系統(tǒng)下車輛檢測(cè)與跟蹤的主要研究任務(wù)。本文對(duì)智能交通系統(tǒng)中車輛檢測(cè)與跟蹤技術(shù)進(jìn)行研究，在分析和總結(jié)現(xiàn)有算

2、法的基礎(chǔ)上，提出一種實(shí)時(shí)車輛檢測(cè)與跟蹤算法。該算法在建立交通視場(chǎng)背景模型的基礎(chǔ)上，利用背景差分法將運(yùn)動(dòng)車輛分割出來(lái)，根據(jù)卡爾曼濾波對(duì)目標(biāo)車輛進(jìn)行跟蹤。 本文提出了一種快速估計(jì)及自適應(yīng)更新的背景模型。其基本思想是：首先利用統(tǒng)計(jì)學(xué)方法，快速建立初始背景圖像。然后通過(guò)分析交通視場(chǎng)中背景像素和前景像素的像素值特性，利用差分圖像直方圖法來(lái)動(dòng)態(tài)獲取閾值，建立當(dāng)前幀瞬時(shí)背景圖像。最后在此基礎(chǔ)上使用當(dāng)前幀瞬時(shí)背景圖像和前一幀背景圖像加權(quán)平均的更

3、新算法估計(jì)當(dāng)前幀背景圖像。 本文確定了基于卡爾曼濾波車輛跟蹤模型的參數(shù)設(shè)定。首先分析車輛運(yùn)動(dòng)系統(tǒng)，建立系統(tǒng)狀態(tài)方程和測(cè)量方程。然后在假設(shè)過(guò)程噪聲向量和測(cè)量噪聲向量均為高斯白噪聲的前提下，計(jì)算并確定系統(tǒng)噪聲陣、觀測(cè)噪聲陣和濾波誤差協(xié)方差矩陣初始值的具體表達(dá)式。最后使用學(xué)習(xí)統(tǒng)計(jì)獲得的參數(shù)值對(duì)系統(tǒng)進(jìn)行仿真，并給出卡爾曼預(yù)測(cè)數(shù)據(jù)。 仿真結(jié)果證明，本文算法具有數(shù)學(xué)模型簡(jiǎn)單、運(yùn)算速度快、實(shí)時(shí)響應(yīng)，抗噪性好，精度較高等特點(diǎn)，能夠滿足智