基于AIMM與特征融合的車輛跟蹤算法研究及實現(xiàn).pdf

1、基于視頻的運動車輛檢測與跟蹤系統(tǒng)是智能交通系統(tǒng)的重要研究內(nèi)容之一,它融合了圖像處理、人工智能、自動控制等相關領域的研究成果,在交通運輸及管理領域有著廣泛的應用。因此,研究基于視頻的智能交通系統(tǒng)中的關鍵技術并提高智能交通系統(tǒng)的性能具有重要的理論意義和廣泛的應用價值。
　　 本文針對復雜場景中的車輛檢測與跟蹤所存在的主要問題進行了研究,并對復雜場景排除干擾,準確跟蹤等問題提出了解決方案。本文的主要研究工作如下:
　　 在圖像

2、預處理方面,由于采集的視頻存在各種噪聲,采用圖像的灰度均衡化,中值濾波等圖像處理技術對視頻圖像進行預處理,使圖像質(zhì)量得以改善,為后面的車輛檢測與跟蹤做好準備。
　　 在運動車輛檢測方面,首先對背景差分法和幀間差分法進行分析討論及仿真試驗,由于背景差分法對光線變化和動態(tài)場景變化等外界干擾非常敏感；幀間差分法不能很好提取所有特征像素點。本文采用自適應背景差分法結合圖像處理技術,在沒增加計算量的前提下,能適應一定程度的場景變化并能提取

3、比較完整的特征像素點,進而提取出完整的運動目標車輛,為后面車輛特征提取工作打好基礎。
　　 在運動車輛跟蹤方面,本文利用自適應交互式多模型卡爾曼濾波器建立勻速、勻加速模型,預測被跟蹤車輛在下一幀中可能出現(xiàn)的位置,確定搜索范圍,再結合本文給出的特征匹配算法有效地對拐彎、遮擋等運動車輛進行跟蹤。最后對跟蹤算法進行了試驗仿真,并對其實驗數(shù)據(jù)進行了分析。試驗結果表明,基于自適應交互式多模型卡爾曼濾波的車輛跟蹤模型比較符合實際情況,能可靠