基于視覺的運動車輛識別與跟蹤方法研究.pdf

1、視覺信號具有信號探測范圍寬、獲取信息豐富等優(yōu)點。隨著近幾年圖像處理技術(shù)以及計算機處理能力的飛速發(fā)展，視覺導航在智能車輛的導航中有著廣闊的應用前景。本論文依托山西省青年科技基金項目(20051015)，提出了基于視覺的運動車輛識別與跟蹤方法研究這一課題，對運動車輛的圖像識別與跟蹤方法進行了研究。 在運動車輛的識別方面，主要利用基于視覺的車輛檢測方法實現(xiàn)了車輛的輪廓識別。傳統(tǒng)的檢測方法幀間差分法是通過比較序列圖像中連續(xù)兩幀的差別從而

2、達到檢測目的的，這種算法容易把當前幀中顯露出來(上一幀中被目標覆蓋)的背景區(qū)域(即顯露背景)也檢測出來，造成檢測的不準確。針對上述問題，本文提出了基于幀間差分法的二次差分法改進算法，利用相鄰三幀圖像兩兩差分，將兩個差分結(jié)果相“與”并進行二值化來確定運動車輛在中間幀中圖像的位置。該算法計算效率較高，消除了上一幀被目標車輛覆蓋的顯露背景，既延續(xù)了幀間差分法的優(yōu)點，又克服了它的缺點。 在運動車輛的跟蹤方面，當車輛轉(zhuǎn)彎或部分被遮擋時，傳

3、統(tǒng)的模板匹配等方法容易出現(xiàn)誤匹配或跟蹤丟失的情況，并且運算效率較低。針對以上問題，本文將人臉跟蹤方法CamShift算法應用于車輛跟蹤這一全新的領域。CamShift算法是一種基于目標顏色特征的跟蹤方法，不受目標形狀、大小變化的影響，有效地解決了運動車輛轉(zhuǎn)彎和部分遮擋時其他算法出現(xiàn)的誤跟蹤問題。 本文在識別與跟蹤的基礎上，利用CamShift算法的跟蹤結(jié)果，結(jié)合光學和幾何學原理建立了運動車輛的視覺測距模型，并分析了該模型的可行性