基于視頻的城市道路車輛自動檢測與跟蹤.pdf

1、隨著我國城市化進程的不斷加快，城市道路交通系統(tǒng)的壓力也不斷加大。因此，基于計算機視覺技術(shù)的智能交通系統(tǒng)的重要性日益顯著，其核心技術(shù)是在靜止攝像機拍攝的圖像序列中進行運動車輛檢測與運動車輛跟蹤。在城市道路交通動態(tài)場景中，運動物體的陰影、光線變化、多車輛粘連、遮擋等問題都給視頻車輛檢測與跟蹤系統(tǒng)的研究帶來了一定的挑戰(zhàn)。針對這些問題，本文主要研究了車輛檢測與跟蹤問題中的幾個關(guān)鍵技術(shù)。這些技術(shù)可以有效的提高車輛檢測與跟蹤的性能。本文的主要研究內(nèi)

2、容概括如下。 首先，對運動車輛檢測的常用方法進行了比較研究。針對城市道路這種復(fù)雜交通場景，給出了一種基于高斯混合模型的背景差分和對稱差分相結(jié)合的車輛檢測方法。該方法通過建立的高斯混合模型自適應(yīng)的獲取和更新背景；并運用背景差分和改進的對稱幀間差分相結(jié)合的方法檢測運動車輛。該方法解決了背景初始化難、背景更新速度較慢、難以適應(yīng)光線突變等問題，提高目標檢測的準確度。試驗結(jié)果表明該方法能對城市道路場景下的車輛進行有效的檢測。 然后

3、，針對運動車輛的陰影問題，首先引入了一個是否進行陰影處理的判據(jù)。通過對每個運動區(qū)域的區(qū)域面積與區(qū)域的凸包面積之比值的統(tǒng)計量進行一個經(jīng)驗閾值來判決是否進行陰影消除算法。通過這個判決可以提高整個系統(tǒng)的實時性。并提出了基于運動區(qū)域紋理和色彩相結(jié)合的車輛陰影消除新方法。該陰影消除算法首先提取每個運動區(qū)域的紋理圖像T-map、亮度圖像L-map和色度圖像C-map；再對這三個圖像進行一個“或”運算，獲得OR-map；最后，對運動區(qū)域的OR-map

4、進行形態(tài)學處理，實現(xiàn)對陰影的有效消除。 最后，針對在城市道路這種復(fù)雜交通場景下車輛的機動性復(fù)雜、存在車輛短時間消失和完全遮擋等問題，使用了一種基于Kalman預(yù)測模型的區(qū)域匹配車輛跟蹤方法，有效地對車輛運動狀態(tài)進行預(yù)測、記憶跟蹤。與常用方法相比，此方法具有縮小車輛匹配搜索的范圍、能很好的對車輛位置進行最佳預(yù)測、解決完全遮擋問題等優(yōu)勢。該方法首先提取運動車輛區(qū)域的質(zhì)心、方塊大小等觀測參數(shù)，為每輛車建立一個區(qū)域模型；再利用Kalma