粒子濾波算法在智能交通系統(tǒng)中的應(yīng)用研究.pdf

1、智能交通系統(tǒng)(ITS)在交通管理和城市規(guī)劃中起到了越來(lái)越重要的作用，而車(chē)輛跟蹤則是智能交通系統(tǒng)的核心技術(shù)之一。通常，在道路現(xiàn)場(chǎng)跟蹤多個(gè)車(chē)輛需要克服很多困難，如車(chē)輛數(shù)目的不確定性，現(xiàn)實(shí)場(chǎng)景中的光照變化和車(chē)輛間的相互影響等。本文針對(duì)多目標(biāo)跟蹤的難點(diǎn)，對(duì)單攝像頭智能交通系統(tǒng)中的車(chē)輛跟蹤技術(shù)進(jìn)行了深入地研究。
　　 粒子濾波算法是多目標(biāo)跟蹤領(lǐng)域使用較多的一種貝葉斯估計(jì)算法，適用于任何能用狀態(tài)空間表示的非線(xiàn)性非高斯系統(tǒng)。本文提出了一種基于

2、粒子濾波理論的目標(biāo)跟蹤算法。并用該算法對(duì)視頻序列圖像中的多個(gè)車(chē)輛目標(biāo)進(jìn)行跟蹤。本文的主要研究工作如下：
　　 研究了貝葉斯預(yù)測(cè)理論和基于該理論的更新運(yùn)動(dòng)目標(biāo)狀態(tài)模型的方法。然后采用基于蒙特卡羅理論的粒子濾波算法估計(jì)目標(biāo)在非高斯環(huán)境下的運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率分布。
　　 在目標(biāo)檢測(cè)方面，本文提出了一種自適應(yīng)目標(biāo)提取的背景減除法。首先用混合高斯模型對(duì)序列圖像的每個(gè)像素進(jìn)行建模，克服了像素值在變化過(guò)程中的多峰問(wèn)題。然后，本文提出一

3、種能夠在線(xiàn)學(xué)習(xí)的自適應(yīng)閾值選取算法，從而提高了目標(biāo)檢測(cè)的精度。最后，利用形態(tài)學(xué)運(yùn)算對(duì)背景差分結(jié)果進(jìn)行噪聲消除。
　　 針對(duì)單目標(biāo)跟蹤問(wèn)題，本文采用了基于顏色特征的目標(biāo)觀測(cè)模型，通過(guò)計(jì)算被跟蹤區(qū)域的顏色直方圖將目標(biāo)的顏色分布信息與粒子濾波的權(quán)值更新結(jié)合起來(lái)，并使用在線(xiàn)學(xué)習(xí)算法對(duì)模板進(jìn)行更新。
　　 本文用馬爾可夫蒙特卡羅算法(MCMC)解決多目標(biāo)跟蹤中由數(shù)據(jù)關(guān)聯(lián)引起的粒子數(shù)目增漲問(wèn)題。另外，為了減少系統(tǒng)計(jì)算量，本文將背景減