交通視頻中的車輛檢測與跟蹤以及交通事件檢測技術(shù)研究.pdf

1、近年來，機(jī)動車的數(shù)量快速增長，導(dǎo)致交通擁堵、交通事故等事件頻繁發(fā)生。智能交通系統(tǒng)作為解決道路交通問題的有效方法，成為國內(nèi)外研究的焦點(diǎn)。運(yùn)動車輛檢測與跟蹤是智能交通系統(tǒng)中的關(guān)鍵技術(shù):通過車輛檢測與跟蹤獲取獲取車輛信息，為行為理解和分析提供支持。
　　 背景差分法是運(yùn)動車輛檢測的經(jīng)典方法。通過將當(dāng)前圖像與背景圖像做差分運(yùn)算，可以得到運(yùn)動車輛。為了應(yīng)用背景差分法，需要得到干凈的背景圖像，因此要選取有效的背景建模法。本文在對區(qū)間背景模型

2、進(jìn)行改進(jìn)，提出了一種基于滑動區(qū)間的背景建模法，并于以往的背景建模法進(jìn)行比較?；诨瑒訁^(qū)間的背景建模法可以得到干凈的背景圖像，并且與以前的方法相比提高了處理效率。在獲得背景圖像后，利用背景差分法可以即得到前景圖像，然后對其進(jìn)行閾值分割、形態(tài)學(xué)處理以及求取車輛外接矩形，以方便對運(yùn)動車輛進(jìn)行跟蹤。
　　 在車輛跟蹤方面，本文提出了一種基于UKF濾波原理與SIFT特征的運(yùn)動車輛的跟蹤算法。通過將車輛的外接矩形信息轉(zhuǎn)化為UKF濾波參數(shù)，對

3、車輛運(yùn)動進(jìn)行建模。利用UKF運(yùn)動模型可以預(yù)測外接矩形在下一幀圖像中的信息，從而可以對運(yùn)動車輛進(jìn)行匹配。對于各種原因引起的目標(biāo)丟失問題，需要利用其它方法來輔助跟蹤，車輛的SIFT特征能夠很好地實(shí)現(xiàn)圖像幀間的車輛匹配，因此可以用作輔助算法。本文利用車輛的SIFT特征輔助跟蹤，并在目標(biāo)再次出現(xiàn)時(shí)更新UKF參數(shù)。實(shí)驗(yàn)表明，基于UKF濾波原理與SIFT特征的跟蹤算法能夠?qū)囕v進(jìn)行穩(wěn)定的跟蹤。
　　 在車輛檢測和跟蹤的基礎(chǔ)上，我們可以對車輛