視頻車輛檢測與跟蹤方法研究.pdf

1、近幾年來，社會經(jīng)濟的發(fā)展促使道路交通迅速發(fā)展，機動車數(shù)量不斷增加。為了解決地面交通迅速發(fā)展所引發(fā)的各種問題，需要在不破壞路面的情況下使用計算機結(jié)合圖像處理、模式識別等學(xué)科知識獲得交通參數(shù)。然后通過行為理解和智能分析來解決交通問題。可以用來指導(dǎo)解決交通擁塞、道路的宏觀規(guī)劃、以及高速公路的自動收費系統(tǒng)等。視頻的檢測與跟蹤系統(tǒng)從運動圖像序列中檢測、識別、跟蹤車輛，從而獲得準確的交通統(tǒng)計量，檢測與跟蹤的正確與否直接關(guān)系到智能交通系統(tǒng)決策的正確性

2、。 本文從視頻中檢測與跟蹤車輛，從而提取交通參數(shù)來輔助解決交通問題。主要內(nèi)容分為三個部分：目標車輛的檢測、陰影去除和車輛跟蹤。具體內(nèi)容如下： 1.目標車輛的檢測。目標車輛的檢測使用背景相減法獲得運動目標。為了獲得可用背景，首先我們提出一種基于區(qū)間分布的自適應(yīng)背景提取和更新方法，從而來獲取和更新背景；然后用背景相減法結(jié)合閾值化以及形態(tài)學(xué)操作來檢測運動車輛。其中背景的提取與更新方法采用灰度級量化和兩個衰減權(quán)值來減少歷史信息的

3、影響，從而克服環(huán)境光線變化，并通過引入兩個判別函數(shù)來解決背景更新中的死鎖問題。 2.陰影去除。由光照產(chǎn)生的陰影會嚴重影響車輛檢測與跟蹤系統(tǒng)的準確性。本文在現(xiàn)有算法基礎(chǔ)上進行改進，先采樣陰影點，計算采樣陰影點的陰影屬性，利用物理特征求得陰影和車輛分布，最后利用高斯函數(shù)的特性來去除陰影。因為使用的是真實陰影的屬性，所以去除陰影的效果比很多方法有效。 3.車輛跟蹤。本文提出了一種基于離散小波變換的擴展卡爾曼濾波跟蹤方法，該方法