基于Snake模型的車輛跟蹤技術(shù)研究.pdf

1、隨著全球經(jīng)濟(jì)的發(fā)展，汽車用戶與日俱增，給城市交通帶來巨大壓力，無論是發(fā)達(dá)國家，還是發(fā)展中國家，都面臨著日益嚴(yán)重交通狀況帶來的巨大考驗(yàn)。過去解決交通問題的傳統(tǒng)辦法是修建道路，但隨著人口的增長，使得可供修建道路的空間也越來越少。同時(shí)，交通系統(tǒng)是一個(gè)復(fù)雜的綜合性系統(tǒng)，因此把道路和車輛綜合起來考慮，利用高科技手段來解決交通問題的想法就由然而生。其中，基于視覺的車輛檢測與跟蹤技術(shù)是智能交通系統(tǒng)的關(guān)鍵技術(shù)。本文主要工作有： （1）對貪婪算法

2、的Snake模型進(jìn)行深入研究，通過增加新的控制能量，改變控制能量系數(shù)的符號，來改變Snake曲線的運(yùn)動(dòng)方向，同時(shí)通過動(dòng)態(tài)蛇點(diǎn)分配以及權(quán)值參數(shù)的調(diào)整，在因物體遮擋而造成陰影使得初始輪廓無法理想獲取的情況下，也能準(zhǔn)確的收斂。 （2）通過對Kass等提出的Snake算法的模型、Williimas和Shah的Snake模型（即貪婪算法的Snake模型）以及GVF Snake模型進(jìn)行對比，分析研究了各個(gè)模型之間的優(yōu)缺點(diǎn)后，選定貪婪算法的S

3、nake模型，通過廣義霍夫變換即Ghough變換，使用多個(gè)模板，根據(jù)設(shè)定的參數(shù)，先將目標(biāo)模板形狀進(jìn)行仿射變換，然后對變換的每個(gè)模板形狀進(jìn)行Ghough變換，再從中找出最匹配的作為檢測的結(jié)果，來獲取Snake初始輪廓。解決了Snake模型初始輪廓手工定位這一難點(diǎn)，使Snake在實(shí)際應(yīng)用中更方便，更加自動(dòng)化。并且通過高斯金字塔對視頻圖片進(jìn)行預(yù)處理，使其能獲得更平滑的Snake收斂結(jié)果。 （3）通過Kalman濾波實(shí)現(xiàn)了車輛的跟蹤，并