基于視頻序列的車輛檢測與跟蹤算法研究與應(yīng)用.pdf

1、交通監(jiān)測系統(tǒng)中的車輛檢測與跟蹤是實(shí)現(xiàn)交通管理自動化、智能化的重要環(huán)節(jié)和關(guān)鍵步驟。隨著計算機(jī)技術(shù)和圖像處理技術(shù)的不斷發(fā)展，基于視頻序列的車輛檢測與跟蹤得到了越來越多的關(guān)注，并成為當(dāng)前的研究熱點(diǎn)之一。 本文在對基于視頻序列的車輛檢測與車輛跟蹤經(jīng)典算法進(jìn)行學(xué)習(xí)和研究后，針對其存在的不足，進(jìn)行了改進(jìn)和提高，提出了一種應(yīng)用于城市主干道進(jìn)行車輛檢測與車輛跟蹤的新方法。主要完成如下工作： (1)提出了一種新的背景模型構(gòu)建方法。針對背景

2、差分法的關(guān)鍵步驟——背景模型的構(gòu)建，提出了一種基于綜合運(yùn)用背景差分法和幀間差分法的背景模型構(gòu)建方法。首先在背景模型初始化時，利用幀間差選擇運(yùn)動目標(biāo)較少且?guī)瑪?shù)動態(tài)變化的輸入圖像作為計算幀進(jìn)行背景初始化，以保證背景模型的初始化精度；其次在進(jìn)行背景更新時，一方面先通過背景差分對新輸入圖像幀的像素點(diǎn)進(jìn)行判別，有選擇的進(jìn)行更新，以保證背景模型更新的精度；另一方面背景更新時的加權(quán)系數(shù)不采用常數(shù)，而是動態(tài)變化的，與實(shí)際背景的變化相關(guān)聯(lián)，以保證背景模型

3、能夠及時跟蹤實(shí)際背景的突變。另外，在圖像分割時采用動態(tài)變化的閾值，即通過動態(tài)閾值對背景差分的結(jié)果進(jìn)行分割，以避免實(shí)際背景突變時圖像分割出現(xiàn)較大偏差。實(shí)驗(yàn)結(jié)果表明該方法具有較好的車輛檢測精度和效果。 (2)提出了一種基于區(qū)域的多特征匹配跟蹤算法，并根據(jù)目標(biāo)車輛的運(yùn)動特征預(yù)測其在下一幀圖像中的位置，可有效縮小運(yùn)動目標(biāo)的搜索范圍。改進(jìn)了基于區(qū)域的跟蹤算法，綜合利用灰度圖像和二值化圖像實(shí)現(xiàn)對運(yùn)動車輛的跟蹤。在車輛跟蹤中，建立目標(biāo)車輛的質(zhì)