基于交通監(jiān)控視頻的運動目標檢測與跟蹤算法研究.pdf

1、基于視頻的運動目標檢測與跟蹤是計算機視覺領域的一個重要研究方向,在安防監(jiān)控、智能交通、機器視覺導航等諸多領域有著廣闊的應用前景。就智能交通領域而言,交通監(jiān)控視頻提供了廣域場景下的實時路面交通信息,通過對監(jiān)控場景內運動目標的檢測、跟蹤及識別分析處理,可以獲取如車流量、車速、道路通行能力等交通信息,為交通調度、誘導、信號配時提供科學的決策參考,從而使城市交通路網高效、安全的運行。
　　 本論文以單路口交通監(jiān)控視頻為研究對象,深入研究

2、了攝像機靜止情形下交通監(jiān)控視頻的運動目標檢測與跟蹤問題。論文的主要內容及成果概括如下:
　　 (1)研究了靜態(tài)單攝像機拍攝的視頻序列的背景建模問題,引入了一種基于影響因素描述的背景模型,利用Mean Shift算法搜索視頻序列像素潛在分布的局部極值獲取理想的背景。該模型對環(huán)境的噪聲、攝像機抖動等干擾因素具有魯棒性,能從包含混亂運動目標的視頻序列中提取出清晰的視頻背景,效果優(yōu)于常用的均值濾波法及混合高斯模型。
　　 (2)

3、分析了IIR濾波背景更新算法在應用中可能存在背景失效的不足,提出了一種基于雙幀填補法的背景更新方法,改進了IIR濾波法不能反映真實的監(jiān)控場景的缺陷。同時,考慮到實際監(jiān)控應用中對算法的實時性和魯棒性需求,結合所述幾種算法的優(yōu)缺點,論述了基于時間區(qū)段劃分綜合運用多種算法的背景更新策略。
　　 (3)針對采用圖像最大熵閾值進行目標分割計算量較大、實時性不好的問題,提出了一種基于量化線性壓縮圖像灰度的計算方法,并直接對壓縮灰度后的圖像進

4、行目標分割,實驗表明目標分割效果不受影響,有效減少了算法的計算量,提高了算法的實時性。
　　 (4)在目標跟蹤階段,采用灰色預測與目標多特征匹配相結合的方法進行目標跟蹤。通過獲取前幾幀目標的位置數據建立灰色預測模型,預測目標在下一幀中的位置,減少目標匹配的搜索區(qū)域。針對灰色預測模型存在的預測偏差和不穩(wěn)定性缺陷,引入了馬爾可夫隨機過程理論對原模型預測值進行殘差修正,提高了預測精度。然后通過提取目標的局部角點及部分全局特征進行特征匹