車輛實時檢測系統(tǒng)的研究與實現(xiàn).pdf

1、智能交通系統(tǒng)(ITS)是目前視頻智能監(jiān)控領(lǐng)域各國專家關(guān)注和研究的熱點課題。而本文研究的車輛實時檢測系統(tǒng)結(jié)合了計算機視覺技術(shù)，是智能交通系統(tǒng)的基礎(chǔ)組成部分。相對于傳統(tǒng)的車輛檢測方法，現(xiàn)代車輛實時檢測與跟蹤技術(shù)能使計算機模擬人類的視覺感官能力，智能辨別視頻中出現(xiàn)的車輛，為進一步的車輛運動行為理解和分析提供重要數(shù)據(jù)。但車輛檢測與跟蹤技術(shù)的研究仍不成熟，還存在著天氣變化、背景擾動、光照變化、車輛遮擋等因素影響的問題。論文針對以上存在的問題和難點

2、展開了重點的研究，主要工作如下：
　　1、研究視頻圖像預(yù)處理中的圖像灰度化、圖像去噪、圖像二值化、數(shù)學(xué)形態(tài)濾波等技術(shù)，降低了車輛檢測中車輛目標(biāo)提取的計算復(fù)雜度，提高了準確性。
　　2、研究了常用的車輛目標(biāo)檢測算法：光流法、幀差法和背景差分法等算法。針對背景差分法的不足，提出了多幀均值的背景圖像初始化方法，弱化甚至消除了第一幀圖像初始化背景圖像帶來的不確定性；提出了一種改進的自適應(yīng)背景更新模型，對背景模型實時地進行更新，以適應(yīng)

3、光照的變化和背景擾動等環(huán)境的變化，在檢測準確性上得到了提升。
　　3、研究了運動車輛的相關(guān)跟蹤方法：基于特征、模型、區(qū)域、輪廓和團塊等跟蹤方法。提出了一種基于質(zhì)心和面積特征跟蹤和卡爾曼濾波器相結(jié)合的跟蹤算法，首先用卡爾曼濾波器預(yù)估運動車輛的位置，再將預(yù)測到的車輛目標(biāo)與當(dāng)前幀的車輛目標(biāo)進行質(zhì)心和面積特征匹配，得到運動車輛在各個視頻幀的運行軌跡，實現(xiàn)視頻車輛的精確跟蹤。
　　根據(jù)以上提出的圖像預(yù)處理和車輛檢測與跟蹤算法，論文設(shè)計