基于視頻的車輛跟蹤與交通信息提取.pdf

1、基于頻監(jiān)控技術(shù)的車輛檢測(cè)方式近年來(lái)發(fā)展很快，由于它具有檢測(cè)區(qū)域大、系統(tǒng)設(shè)置靈活等突出的優(yōu)點(diǎn)，己成為智能交通系統(tǒng)領(lǐng)域的一個(gè)研究熱點(diǎn)。視頻監(jiān)控技術(shù)為交通系統(tǒng)提供了直觀、方便的分析手段，因此以視頻圖像處理、分析、理解為基礎(chǔ)的視頻監(jiān)視技術(shù)越來(lái)越引起人們的重視。本文針對(duì)智能交通中的關(guān)鍵技術(shù)，研究了基于視頻車輛跟蹤的方法，以及如何利用跟蹤的結(jié)果進(jìn)行交通參數(shù)的提取和交通事件檢測(cè)。 本文分為三部分進(jìn)行論述： 1．車輛檢測(cè)方法。在背景提取

2、方法上，采用在YUV顏色空間下的基于非參數(shù)模型的提取背景方法；在影陰檢測(cè)方法上，不僅利用像素點(diǎn)的顏色特點(diǎn)，而且利用的車輛的空間結(jié)構(gòu)信息。 2．討論了在攝像機(jī)固定情況下運(yùn)動(dòng)車輛的跟蹤問(wèn)題，研究并實(shí)現(xiàn)基于區(qū)域的多目標(biāo)跟蹤算法，對(duì)于多目標(biāo)跟蹤中的目標(biāo)匹配和分裂問(wèn)題進(jìn)行了詳細(xì)的介紹。采用Kalman濾波理論建立了運(yùn)動(dòng)車輛狀態(tài)預(yù)測(cè)線性模型，該模型采用8自由度的向量來(lái)描述系統(tǒng)狀態(tài)，可以縮小搜索范圍，加快搜索速度。跟蹤實(shí)驗(yàn)結(jié)果表明，該算法可以