車載視頻圖像中運(yùn)動目標(biāo)的識別與跟蹤方法研究.pdf

1、為克服人為因素造成的交通事故，提高公路交通系統(tǒng)的安全性，本文立足于計算機(jī)視覺技術(shù)，構(gòu)建了一個應(yīng)用于高速公路上的汽車駕駛輔助安全系統(tǒng)，并對其中車道線和車輛的識別與跟蹤方法進(jìn)行了重點研究。 本文分析了高速公路的特點并結(jié)合透視成像原理，對近距離的車道建立直線型車道模型。以車道上的白色標(biāo)記為基礎(chǔ)，采用基于顏色的圖像分割，通過邊緣提取和Hough變換識別出路面上的車道標(biāo)線。 在車道檢測的基礎(chǔ)上，本文以車道線的三個特征—起點位置、方

2、向和灰度值為基礎(chǔ)，提出了一種基于3D特征的車道跟蹤算法。該算法綜合車道線的三個特征進(jìn)行跟蹤，大大提高了車道跟蹤的可靠性和準(zhǔn)確性。同時，對于車道標(biāo)記被不同程度遮擋等復(fù)雜路況，本文設(shè)計了智能跟蹤策略并將其融入車道線跟蹤算法之中，使系統(tǒng)獲得了穩(wěn)定快速的跟蹤能力。 車輛檢測算法采用假設(shè)產(chǎn)生和假設(shè)確認(rèn)的兩步法策略，即以檢測到的路面上的陰影作為車輛存在假設(shè)，通過驗證灰度對稱性來確認(rèn)車輛。 以車輛檢測為基礎(chǔ)，本文采用“匹配—修正—預(yù)測

3、”的循環(huán)策略進(jìn)行前方車輛跟蹤。針對邊緣圖像中傳統(tǒng)模板匹配方法的缺陷，本文將距離變換的概念和邊緣特征模板引入其中，使算法在抗圖像邊緣變化、模板的動態(tài)更新及匹配效率等方面獲得優(yōu)良品質(zhì)；此外，本文利用Kalman濾波預(yù)測技術(shù)預(yù)測車輛在序列圖像中的下一位置，使系統(tǒng)在減小模板匹配的搜索區(qū)域，降低誤匹配的概率，保證車輛跟蹤的持續(xù)性、實時性等方面令人滿意。 實驗結(jié)果表明，本文提出的車道和車輛識別跟蹤方法是可行的，能夠滿足系統(tǒng)實時性和準(zhǔn)確性的要