基于粒子濾波的智能車輛檢測與跟蹤.pdf

1、基于視頻的車輛檢測與跟蹤技術(shù)屬于模式識別與計算機視覺的研究范疇，許多學者花費了很大的心力對其做了深入的研究。由于基于視頻的檢測與跟蹤技術(shù)具有成本低，速度快等優(yōu)點，其已經(jīng)成為了當今智能交通控制領域的重要組成部分。但是因為視頻信號中的背景噪聲、光照變化等隨機因素相對較多，所以不同的算法在準確性和收斂性上存在很大的差異。本文首先用廣義GAMMA混合模型代替高斯混合模型，對視頻序列做背景建模，然后對車輛進行檢測，再后，使用粒子濾波算法對檢測結(jié)果

2、進行了跟蹤，最后通過基于GPU的并行算法改進了粒子濾波算法的運行速度，改進了整體算法的效能，得到了更好的結(jié)果。
　　基于視頻智能車輛檢測系統(tǒng)中，一般采用背景差法進行檢測。這種方法需要分別對車輛與背景進行建模，常用的模型是高斯混合模型。本文在使用高斯混合模型進行車輛檢測的基礎上，使用廣義GAMMA混合模型代替高斯混合模型，并通過EM算法對廣義GAMMA混合模型的參數(shù)進行估計。這種方法能夠克服高斯混合模型的對陰影識別能力差的缺陷，得到

3、更好的檢測結(jié)果。最后，通過仿真實驗證明了這種算法的可靠性和優(yōu)越性。
　　在檢測出運動車輛后，一般的步驟是要進行對車輛的跟蹤。由于車輛跟蹤算法一般使用Kalman濾波理論及其改進，因此，首先，要對車輛的運動方式進行建模，建立狀態(tài)轉(zhuǎn)移方程和觀測方程，然后應用濾波算法對目標車輛進行跟蹤。1993年，Gordon等人在序貫重要性采樣之后加入了重采樣步驟，完善了粒子濾波算法，使其成為在非高斯和非線性環(huán)境下，也就是更接近實際應用的情況下，進行