車輛監(jiān)控系統(tǒng)圖像檢測算法研究.pdf

1、數(shù)字圖像處理技術(shù)與監(jiān)控系統(tǒng)的結(jié)合、應用是近年來的熱點研究課題。特別是智能視頻技術(shù)與交通監(jiān)控系統(tǒng)的相結(jié)合，不僅使系統(tǒng)具備了數(shù)字視頻的壓縮、傳輸、存儲和播放功能，更使系統(tǒng)具備了圖像分析、智能監(jiān)控的特色，從而能夠方便的實現(xiàn)車輛的分割和檢測、測量相關(guān)的交通參數(shù)，如車流量及運動方向統(tǒng)計等；根據(jù)相關(guān)的數(shù)學模型，還可實現(xiàn)車輛的運動檢測，車輛的跟蹤與車輛的識別。 本課題源于基于視頻的車輛智能檢測系統(tǒng)項目的預研，旨在通過研究提出一種應用于運動車輛

2、的監(jiān)測的圖像檢測算法，適用于固定攝像頭下的視頻圖像中運動目標識別和跟蹤，使得視頻圖像分析能夠適合集成到視頻圖像采集壓縮前端模塊中，運用改進的算法模型實現(xiàn)計算效率最大化以及目標判斷準確性。 視頻圖像分析中，背景提取的準確與否直接關(guān)系到分割質(zhì)量。運動車輛檢測通常是在戶外，天氣、光照等外界環(huán)境的改變對圖像背景的灰度影響是背景提取中不得不考慮的環(huán)節(jié)。本文通過分別對基于靜、動態(tài)背景的生成中的平均值法，多幀中值濾波算法和自適應濾波算法進行了

3、大量理論研究和實驗對比論證，提出了適用于該運動車輛檢測系統(tǒng)的背景提取法，濾除因環(huán)境變化而產(chǎn)生的干擾噪聲，并結(jié)合固定攝像頭下運動車輛檢測的各種圖像特征，運用基于數(shù)學形態(tài)學分割算法實現(xiàn)了對運動車輛對象的提取。針對圖像監(jiān)控中非有效對象的運動產(chǎn)生的噪聲干擾問題，根據(jù)車輛視頻圖像的運動連續(xù)特性，利用卡爾曼濾波器算法對運動目標跟蹤和噪聲的濾除。并通過改進的基于邊緣增長的主動輪廓模型算法對運動目標輪廓進一步精確，提高分割質(zhì)量，為多車型的識別做準備。綜