基于運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的視頻測(cè)速技術(shù)的研究與應(yīng)用.pdf

1、隨著計(jì)算機(jī)硬件技術(shù)和計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于實(shí)時(shí)圖像處理的交通監(jiān)控系統(tǒng)成為當(dāng)下的發(fā)展趨勢(shì)，而視頻車輛的檢測(cè)與跟蹤是智能交通系統(tǒng)的核心部分。本文研究的是利用圖像處理技術(shù)對(duì)高速公路上的車輛進(jìn)行實(shí)時(shí)監(jiān)控，采用基于運(yùn)動(dòng)車輛檢測(cè)和跟蹤的方法來(lái)對(duì)車輛進(jìn)行測(cè)速，為智能交通系統(tǒng)提供交通參數(shù)。 本文對(duì)攝像機(jī)標(biāo)定方法做了研究，并采用一種標(biāo)定方法，并提出通過(guò)檢測(cè)車道線中的一些點(diǎn)來(lái)完成坐標(biāo)輸入。 本文提出了針對(duì)運(yùn)動(dòng)車輛進(jìn)行實(shí)時(shí)檢測(cè)和跟蹤的算法

2、，適用于大面積、多目標(biāo)的復(fù)雜場(chǎng)景，能排除干擾，主要應(yīng)用于高速公路上。 本文提出了在車輛檢測(cè)之前先做行車區(qū)域檢測(cè)，通過(guò)行車區(qū)域檢測(cè)排除行車區(qū)域外的干擾。然后通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)于目前幾種有代表性的背景模型進(jìn)行了比較，找出其中的優(yōu)缺點(diǎn)，結(jié)合這些方法進(jìn)行改進(jìn)后，提出了基于亮度與亮度梯度信息的混合高斯模型。該背景模型較好的解決了背景模型的初始化、更新、背景干擾、外界光照等問題，在背景、前景的判斷上，充分利用了亮度與亮度梯度信息。使得系統(tǒng)的背景

3、模型既能夠滿足背景隨時(shí)間漸變的統(tǒng)計(jì)特性，又能夠兼顧系統(tǒng)的噪聲以及一些突發(fā)的干擾因素。在背景差方法上提出了基于三層結(jié)構(gòu)的背景差算法，從三個(gè)層次來(lái)保證車輛檢測(cè)的準(zhǔn)確性。 在運(yùn)動(dòng)目標(biāo)跟蹤方面，本文使用了基于擴(kuò)展卡爾曼濾波器的目標(biāo)跟蹤，并對(duì)濾波器的構(gòu)造、更新做了改進(jìn)，然后提出了三種匹配原則，綜合預(yù)測(cè)和搜索匹配，并考慮遮擋問題提出了一個(gè)完整的跟蹤算法。最終根據(jù)跟蹤的結(jié)果可以計(jì)算出車輛的速度。本文最后還提出了視頻測(cè)速系統(tǒng)的設(shè)計(jì)方案。