基于視頻的城市道路車(chē)輛自動(dòng)檢測(cè)與跟蹤.pdf

1、隨著我國(guó)城市化進(jìn)程的不斷加快，城市道路交通系統(tǒng)的壓力也不斷加大。因此，基于計(jì)算機(jī)視覺(jué)技術(shù)的智能交通系統(tǒng)的重要性日益顯著，其核心技術(shù)是在靜止攝像機(jī)拍攝的圖像序列中進(jìn)行運(yùn)動(dòng)車(chē)輛檢測(cè)與運(yùn)動(dòng)車(chē)輛跟蹤。在城市道路交通動(dòng)態(tài)場(chǎng)景中，運(yùn)動(dòng)物體的陰影、光線(xiàn)變化、多車(chē)輛粘連、遮擋等問(wèn)題都給視頻車(chē)輛檢測(cè)與跟蹤系統(tǒng)的研究帶來(lái)了一定的挑戰(zhàn)。針對(duì)這些問(wèn)題，本文主要研究了車(chē)輛檢測(cè)與跟蹤問(wèn)題中的幾個(gè)關(guān)鍵技術(shù)。這些技術(shù)可以有效的提高車(chē)輛檢測(cè)與跟蹤的性能。本文的主要研究?jī)?nèi)

2、容概括如下。 首先，對(duì)運(yùn)動(dòng)車(chē)輛檢測(cè)的常用方法進(jìn)行了比較研究。針對(duì)城市道路這種復(fù)雜交通場(chǎng)景，給出了一種基于高斯混合模型的背景差分和對(duì)稱(chēng)差分相結(jié)合的車(chē)輛檢測(cè)方法。該方法通過(guò)建立的高斯混合模型自適應(yīng)的獲取和更新背景；并運(yùn)用背景差分和改進(jìn)的對(duì)稱(chēng)幀間差分相結(jié)合的方法檢測(cè)運(yùn)動(dòng)車(chē)輛。該方法解決了背景初始化難、背景更新速度較慢、難以適應(yīng)光線(xiàn)突變等問(wèn)題，提高目標(biāo)檢測(cè)的準(zhǔn)確度。試驗(yàn)結(jié)果表明該方法能對(duì)城市道路場(chǎng)景下的車(chē)輛進(jìn)行有效的檢測(cè)。 然后

3、，針對(duì)運(yùn)動(dòng)車(chē)輛的陰影問(wèn)題，首先引入了一個(gè)是否進(jìn)行陰影處理的判據(jù)。通過(guò)對(duì)每個(gè)運(yùn)動(dòng)區(qū)域的區(qū)域面積與區(qū)域的凸包面積之比值的統(tǒng)計(jì)量進(jìn)行一個(gè)經(jīng)驗(yàn)閾值來(lái)判決是否進(jìn)行陰影消除算法。通過(guò)這個(gè)判決可以提高整個(gè)系統(tǒng)的實(shí)時(shí)性。并提出了基于運(yùn)動(dòng)區(qū)域紋理和色彩相結(jié)合的車(chē)輛陰影消除新方法。該陰影消除算法首先提取每個(gè)運(yùn)動(dòng)區(qū)域的紋理圖像T-map、亮度圖像L-map和色度圖像C-map；再對(duì)這三個(gè)圖像進(jìn)行一個(gè)“或”運(yùn)算，獲得OR-map；最后，對(duì)運(yùn)動(dòng)區(qū)域的OR-map

4、進(jìn)行形態(tài)學(xué)處理，實(shí)現(xiàn)對(duì)陰影的有效消除。 最后，針對(duì)在城市道路這種復(fù)雜交通場(chǎng)景下車(chē)輛的機(jī)動(dòng)性復(fù)雜、存在車(chē)輛短時(shí)間消失和完全遮擋等問(wèn)題，使用了一種基于Kalman預(yù)測(cè)模型的區(qū)域匹配車(chē)輛跟蹤方法，有效地對(duì)車(chē)輛運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測(cè)、記憶跟蹤。與常用方法相比，此方法具有縮小車(chē)輛匹配搜索的范圍、能很好的對(duì)車(chē)輛位置進(jìn)行最佳預(yù)測(cè)、解決完全遮擋問(wèn)題等優(yōu)勢(shì)。該方法首先提取運(yùn)動(dòng)車(chē)輛區(qū)域的質(zhì)心、方塊大小等觀測(cè)參數(shù)，為每輛車(chē)建立一個(gè)區(qū)域模型；再利用Kalma