ITS系統(tǒng)中背景提取與目標(biāo)檢測跟蹤的研究.pdf

1、智能交通系統(tǒng)是未來城市交通管理系統(tǒng)發(fā)展的必然趨勢，運(yùn)動(dòng)車輛的檢測與跟蹤是智能交通系統(tǒng)中的核心內(nèi)容之一。如何能夠正確的檢測出運(yùn)動(dòng)車輛并能實(shí)時(shí)準(zhǔn)確的跟蹤是目前亟待解決的關(guān)鍵問題，而基于視頻圖像的信號(hào)處理技術(shù)是解決該問題最有競爭力的技術(shù)之一。本文重點(diǎn)研究了在視頻圖像處理領(lǐng)域的運(yùn)動(dòng)車輛的檢測與跟蹤。 首先，論文研究了各種經(jīng)典的車輛檢測算法，在背景差分法的基礎(chǔ)上做出了改進(jìn)，提出了時(shí)空結(jié)合的多背景前景檢測法。針對(duì)復(fù)雜環(huán)境噪聲，先利用統(tǒng)計(jì)分類

2、法得到多背景，再通過多背景差分法和鄰域差分法將前景檢測出來，在沒有過多增加算法復(fù)雜度的前提下，抑制了各種噪聲。 其次，論文將Mean Shift算法應(yīng)用在車輛跟蹤中，針對(duì)Mean Shift的缺點(diǎn)提出了可行的解決方案。其中針對(duì)核函數(shù)帶寬不能實(shí)時(shí)更新提出了核函數(shù)帶寬的自動(dòng)更新算法，能夠快速實(shí)時(shí)有效的將核函數(shù)的帶寬更新到實(shí)際大小附近：針對(duì)Mean Shift不能有效跟蹤快速運(yùn)動(dòng)的車輛，利用Kalman預(yù)測很好的解決了這個(gè)問題。