路口行駛車輛檢測與跟蹤技術研究.pdf

1、本文構建了一個針對智能交通的路口車輛目標檢測與跟蹤系統(tǒng)。隨著汽車數(shù)量的急劇增加，城市交通擁堵現(xiàn)象日益嚴重。各種交通違章行為、交通事故頻繁發(fā)生，給人們的生命財產(chǎn)和國家經(jīng)濟帶來重大損失。智能交通監(jiān)管是緩解交通壓力的有效手段，隨著智能視頻監(jiān)控技術的發(fā)展，道路視頻監(jiān)控逐漸成為了智能交通的核心部分，其異地指揮、24小時不間斷監(jiān)控、對異常情況快速做出判斷并警報、以及取證方便快捷等優(yōu)點，使得道路視頻監(jiān)控成為當今研究的熱點。
　　路口的交通環(huán)境是

2、最復雜的，車流量大、車輛行為多樣化，很多車輛違規(guī)行為比如闖黃或紅燈、違章掉頭、違章轉(zhuǎn)彎、綠燈跟進等均在路口處發(fā)生。因此研究路口車輛檢測與跟蹤具有重要意義。路口車輛視頻序列具有車流量大、車輛密集以及運動目標的像素總數(shù)占全圖像素總數(shù)比例較大，即屬于近距離視頻等特點。如何準確檢測分割車輛、如何克服車輛尺寸明顯變化是研究難點。
　　本文以城市道路路口為背景，采集具有上述特點的交通視頻，針對以上兩個難題展開研究。
　　對于車輛檢測系統(tǒng)

3、，基于背景建模的目標檢測算法適用于攝像機靜止拍攝的場景，結合本文需要解決的車輛序列自身的特點，從實際應用的角度，本文提出了一種有效的分割提取前景運動目標的方法：將前景檢測圖做垂直和水平投影，檢測波峰和極值點的方法來獲取車體位置，并結合背景差分法與幀間差分法增強了檢測的魯棒性。解決了現(xiàn)有算法無法準確分割該種序列中的運動目標的問題。
　　車輛跟蹤系統(tǒng)以Mean Shift算法為基礎，針對Mean Shift算法不能魯棒地跟蹤車體明顯由

4、大變小的運動目標，導致跟蹤至遠距離后跟蹤失敗的問題，本文提出了一種基于視角變換的改進車輛跟蹤算法。通過變換視角，將觀察到的路面轉(zhuǎn)換為自高空俯視下的路面，道路線由原圖中的在遠方交匯于一點轉(zhuǎn)換為兩條平行線。在這種變換下，車體自身尺寸就不會發(fā)生明顯改變，改進算法實現(xiàn)了車輛遠距離穩(wěn)定跟蹤。實驗表明，本文提出的算法在處理道路路口車輛跟蹤的場景序列中效果優(yōu)于其他算法，結合車輛檢測系統(tǒng)，本文實現(xiàn)了從大流量、運動像素總數(shù)占比大的車輛視頻序列中自動檢測運