智能交通下的車道線檢測和車輛檢測、跟蹤技術(shù)實現(xiàn).pdf

1、智能交通系統(tǒng)作為當(dāng)今道路交通領(lǐng)域的重要研究方向之一，其研究目的是為解決社會中交通事故頻發(fā)的問題?；诤幽洗髮W(xué)智能交通系統(tǒng)，本文主要研究了車道線檢測、車輛檢測和車輛跟蹤技術(shù)，其研究成果如下：
　　1、實現(xiàn)了一種基于Hough變換和K-means聚類的車道線檢測方法。首先，對視頻圖像進行圖像縮放、感興趣區(qū)域劃分和高斯濾波等前期處理；然后，對道路視頻圖像采用sobel算子和canny算子進行邊緣特征提取，并采用Hough變換進行直線檢測

2、；最后，提出基于K-means聚類的道路擬合方法，實現(xiàn)車道線檢測。
　　2、實現(xiàn)了基于高斯混合背景模型和基于Adaboost級聯(lián)分類器兩種車輛檢測方法。在基于高斯混合背景模型車輛檢測方法中，首先，對前期處理視頻圖像采用高斯混合模型進行前景背景分離；然后，對前景圖像進行腐蝕和膨脹等形態(tài)學(xué)處理，進一步取其動態(tài)輪廓；最后，利用圖像中的輪廓進行面積、長寬比和占空比等條件進行篩選，完成對車輛的檢測。在基于 Adaboost級聯(lián)分類器車輛檢測

3、方法中，首先，通過離線采集大量車輛圖像的正、負樣本；然后，采用車輛圖像的Harr-like特征訓(xùn)練Adaboost級聯(lián)分類器；最后，采用多尺度檢測方法對視頻圖像進行處理，實現(xiàn)車輛檢測。
　　3、實現(xiàn)了基于卡爾曼濾波的車輛跟蹤方法。首先，判斷視頻圖像中車輛目標的初始位置；然后，不斷更新卡爾曼濾波器的測量值和預(yù)測值，校正跟蹤位置；最后，實現(xiàn)車輛跟蹤。更進一步，本文還提出一種多車選擇跟蹤方法。
　　實驗結(jié)果表明，本文實現(xiàn)的車道線檢