智能交通系統(tǒng)中基于視頻的車輛檢測與跟蹤方法研究.pdf

1、智能交通系統(tǒng)(ITS)是目前世界交通運輸領域正在研究和廣泛關注的課題。近年來,智能交通系統(tǒng)的應用給交通運輸業(yè)帶來了巨大的經(jīng)濟效益和環(huán)境效益,對于交通擁塞情況的改善、交通流量的監(jiān)控和廢氣排放的減少起到了越來越重要的作用。論文所研究的基于視頻的車輛檢測與跟蹤技術在ITS中占有很重要的地位,與傳統(tǒng)的車輛檢測方法相比,基于視頻的車輛與跟蹤檢測技術不僅具有安裝維護便捷且費用較低、可監(jiān)視范圍廣等許多優(yōu)點,同時可以對道路現(xiàn)場圖像進行智能化分析和處理,

2、能夠采集到所需要的多種交通流參數(shù),包括某一段時間通過的車輛數(shù),每一時刻車輛所在位置等。
　　 本文在對基于視頻車輛的檢測與車輛跟蹤經(jīng)典算法進行學習和研究后,針對經(jīng)典算法存在的不足,進行了改進和提高,提出了一種應用于城市主干道進行車輛檢測與車輛跟蹤的新方法。主要工作體現(xiàn)在以下幾個方面:
　　 (1)提出了一種新的基于背景差分的背景模型構(gòu)建算法。針對背景差分法的關鍵步驟即背景模型的構(gòu)建,本文對基于背景差分法進行了改進。首先在

3、背景模型的初始化階段,本文提出了一種新的背景模型構(gòu)建算法,該算法是利用多幀求平均的背景建立方法進行背景初始化,使背景模型的初始化具有較高的精度和效率;其次在背景模型更新時提出利用自適應調(diào)節(jié)更新速率的算法,使更新的背景模型更加接近實際背景。在圖像分割時采用動態(tài)變化的閾值,即通過動態(tài)閾值對背景差分的結(jié)果進行分割,以避免實際背景突變時圖像分割出現(xiàn)較大偏差。實驗結(jié)果表明該方法具有較好的車輛檢測精度和效果。
　　 (2)提出了一種新的基于

4、區(qū)域的多特征匹配跟蹤算法,根據(jù)目標車輛的運動特征預測其在下一幀圖像中的位置,可有效縮小運動目標的搜索范圍。改進了基于區(qū)域的跟蹤算法,綜合利用灰度圖像和二值化圖像實現(xiàn)對運動車輛的跟蹤。在車輛跟蹤中,建立目標車輛的質(zhì)心位置預測模型,根據(jù)目標車輛的運動記錄預測目標車輛在下一幀圖像中的質(zhì)心位置,然后在預測范圍內(nèi),通過運動車輛的質(zhì)心位置、面積及平均灰度值等多個特征進行目標匹配,從而實現(xiàn)目標車輛的跟蹤,獲取目標車輛的相關數(shù)據(jù)。經(jīng)實驗結(jié)果表明,該算法