面向高速公路的車輛檢測與跟蹤方法的研究.pdf

1、近年來，社會經(jīng)濟的發(fā)展促使公路交通設(shè)施快速發(fā)展。機動車數(shù)量不斷增長，同時城市的人口與面積不斷擴張，由此對城市的發(fā)展以及經(jīng)濟增長帶來了一系列的問題。智能交通系統(tǒng)由于其在緩解交通擁擠，提高交通效率方面作用顯著，越來越受到人們的重視，而基于視頻的車輛檢測與跟蹤則是智能交通系統(tǒng)中的重要組成部分。論文以高速公路的運動車輛檢測、跟蹤為研究背景，在國內(nèi)外研究成果的基礎(chǔ)上，對其中的關(guān)鍵算法和技術(shù)展開深入研究，力求探索出一套以視頻數(shù)掘為基礎(chǔ)，能快速、有效

2、、魯棒地檢測和跟蹤高速公路車輛的方法。
　　 本文的工作主要包括：
　　 (1)對幾種經(jīng)典的運動車輛檢測方法優(yōu)缺點進行比較的基礎(chǔ)上選用混合高斯背景模型方法進行運動車輛檢測，并對其在彩色視頻檢測中存在的計算量大等不足之處引入了相應(yīng)的解決方法，即通過Bayer模式進行背景建模，減少了計算量；在HSV空間對陰影進行去除，解決陰影問題。該方法能有效地從高速公路交通視頻中提取運動車輛區(qū)域。
　　 (2)在運動車輛外圍輪廓提

3、取方面，本文運用形態(tài)學濾波對得到的二值圖像進行噪聲去除，連接車輛區(qū)域中的斷裂處并填充車輛區(qū)域中的空洞，得到了較為準確的運動車輛區(qū)域；在此基礎(chǔ)上對得到的車輛區(qū)域進行連通區(qū)域標記，提取出車輛的外接矩形。
　　 (3)對傳統(tǒng)的Camshift跟蹤方法進行了改進，即通過檢測出來的車輛區(qū)域自動初始化跟蹤窗口，實現(xiàn)了車輛自動化跟蹤；同時提出了一種基于Kalman預(yù)測的Camshift車輛跟蹤方法，提高跟蹤的效率和精確度，解決了大面積顏色干擾