基于OpenCV的視頻序列中運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤.pdf

1、城市交通擁堵是世界各國(guó)政府面臨的普遍問(wèn)題，智能交通系統(tǒng)的發(fā)展能有效改善交通現(xiàn)狀。而作為智能交通系統(tǒng)重要組成部分的車(chē)輛檢測(cè)與跟蹤，目前已成為研究的熱點(diǎn)。車(chē)輛的檢測(cè)與跟蹤不僅需要對(duì)視頻信號(hào)進(jìn)行大量的數(shù)據(jù)處理，還要對(duì)其結(jié)果做出相應(yīng)的判斷，如車(chē)輛行為分析、運(yùn)動(dòng)軌跡等，這些都需要精確的算法。大量底層代碼的編寫(xiě)既耗時(shí)又耗力，而Intel公司的開(kāi)源代碼庫(kù)OpenCV，其函數(shù)庫(kù)中含有豐富的圖像處理源代碼，為本研究的順利進(jìn)行提供了很大的幫助。本文基于Op

2、enCV二次開(kāi)發(fā)平臺(tái)主要做了視頻序列圖像預(yù)處理、運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤和系統(tǒng)軟件設(shè)計(jì)三個(gè)方面的工作。
　　在預(yù)處理部分，針對(duì)視頻幀序列圖像中容易出現(xiàn)的干擾噪聲、顏色相似等因素的影響，對(duì)圖像進(jìn)行去噪和形態(tài)學(xué)處理，使圖像中目標(biāo)特征信息更加明顯，有利于下文中目標(biāo)的檢測(cè)跟蹤。
　　在運(yùn)動(dòng)車(chē)輛檢測(cè)部分，基于傳統(tǒng)的檢測(cè)算法對(duì)運(yùn)動(dòng)車(chē)輛檢測(cè)結(jié)果準(zhǔn)確性不高的問(wèn)題，本文將三幀差分法和邊緣信息相結(jié)合來(lái)進(jìn)行車(chē)輛檢測(cè)。先通過(guò)邊緣檢測(cè)算子對(duì)被檢測(cè)車(chē)輛進(jìn)行

3、邊緣信息提取，然后利用三幀差分法對(duì)連續(xù)三幀圖像進(jìn)行兩兩做差，對(duì)做差結(jié)果進(jìn)行與運(yùn)算后再進(jìn)行形態(tài)學(xué)處理，最后得到較好的檢測(cè)效果，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的可行性。
　　在運(yùn)動(dòng)車(chē)輛跟蹤部分，考慮到本論文研究的是攝像頭拍攝的道路視頻序列圖像，此環(huán)境易受到車(chē)輛遮擋、目標(biāo)顏色和環(huán)境顏色相似等因素的干擾，所以本文采用具有目標(biāo)位置預(yù)測(cè)的Kalman濾波和CamShift算法相結(jié)合來(lái)實(shí)現(xiàn)運(yùn)動(dòng)車(chē)輛跟蹤，并分別對(duì)單車(chē)輛和多車(chē)輛進(jìn)行跟蹤驗(yàn)證了算法的可行性。