基于交通視頻的車輛檢測(cè)跟蹤及分類技術(shù)研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)快速發(fā)展,交通在人類經(jīng)濟(jì)、社會(huì)活動(dòng)中的地位日益顯著。交通管理的層次、質(zhì)量更是與人們生活密切相關(guān),提高交通管理水平的重要措施就是采用智能交通系統(tǒng),即ITS?；谝曨l的車輛檢測(cè)、跟蹤和分類技術(shù)的發(fā)展為ITS中動(dòng)態(tài)交通信息的采集與分析提供了一條很好的途徑,這些技術(shù)可以廣泛地應(yīng)用于車輛收費(fèi)、道路監(jiān)控、大型停車場(chǎng)以及提高公路利用效率等領(lǐng)域。
　　 本文對(duì)基于交通視頻的車輛檢測(cè)、跟蹤及分類技術(shù)進(jìn)行了深研究,并有針對(duì)性地提出了若干

2、算法和技術(shù)方案。本文主要研究工作如下:
　　 (1)通過對(duì)現(xiàn)有檢測(cè)方法和背景模型的分析,提出了基于幀間差分的統(tǒng)計(jì)背景重構(gòu)算法和基于信息融合的背景自適應(yīng)更新算法。
　　 (2)針對(duì)現(xiàn)有跟蹤算法對(duì)運(yùn)動(dòng)車輛和背景區(qū)分度不高,在車輛出現(xiàn)尺度變化、旋轉(zhuǎn)、遮擋、噪聲干擾等情況下跟蹤效果不好的問題,提出一種基于SIFT特征度量的SIFT-Mean Shift目標(biāo)跟蹤算法。
　　 (3)根據(jù)本文的車輛分類標(biāo)準(zhǔn)對(duì)車輛特征進(jìn)行了選擇

3、,對(duì)特征的可區(qū)別性和有效性進(jìn)行了論證,提出一種車輛分階段分類模型。并利用運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)特征,提出一種實(shí)現(xiàn)對(duì)車輛目標(biāo)識(shí)別的方法。
　　 (4)針對(duì)不同分類階段的特點(diǎn),設(shè)計(jì)了相應(yīng)的分類模型。在第一階段,利用改進(jìn)的遺傳算法同時(shí)對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值進(jìn)行優(yōu)化,避免了神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)的可能。在第二階段,選擇嶺形分布函數(shù)建立了車輛大小隸屬函數(shù)的初始模型,并用遺傳算法對(duì)其優(yōu)化,根據(jù)優(yōu)化后的隸屬函數(shù)設(shè)計(jì)了相應(yīng)的模糊神經(jīng)網(wǎng)絡(luò),解決了車輛大小概