城區(qū)交通場(chǎng)景中運(yùn)動(dòng)目標(biāo)視覺(jué)跟蹤方法研究.pdf

1、汽車(chē)作為現(xiàn)代社會(huì)重要的交通工具，給人們的生活帶來(lái)了諸多便利，但是，頻繁發(fā)生的交通事故也對(duì)人們的生命財(cái)產(chǎn)安全帶來(lái)了前所未有的威脅，減少道路交通事故的發(fā)生，提高交通安全水平已經(jīng)成為全社會(huì)的迫切要求。研究基于城區(qū)交通場(chǎng)景中運(yùn)動(dòng)目標(biāo)視覺(jué)跟蹤方法及其核心技術(shù)對(duì)于減少交通事故的發(fā)生具有重要的學(xué)術(shù)意義和社會(huì)價(jià)值。
　　 城區(qū)車(chē)輛目標(biāo)跟蹤是主動(dòng)安全預(yù)警系統(tǒng)的重要組成部分，同時(shí)，運(yùn)動(dòng)目標(biāo)跟蹤又是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的重要課題之一，本文以智能汽車(chē)主動(dòng)

2、安全預(yù)警系統(tǒng)為背景，以城區(qū)交通背景下的車(chē)輛目標(biāo)為研究對(duì)象，對(duì)均值漂移和粒子濾波在目標(biāo)跟蹤中的應(yīng)用進(jìn)行了討論和研究。第一，提出了一種均值漂移和卡爾曼濾波相結(jié)合的目標(biāo)跟蹤方法，同時(shí)，設(shè)計(jì)一種有效的目標(biāo)遮擋因子，作為目標(biāo)被遮擋程度的判斷依據(jù)；第二，在基于核直方圖的粒子濾波算法中，提出一種自適應(yīng)的目標(biāo)模板更新方法，有效提高了算法的實(shí)時(shí)性，同時(shí)避免了目標(biāo)模型過(guò)度更新以及頻繁更新。本論文主要研究?jī)?nèi)容概括如下：
　　 ①講述了我國(guó)目前的交通狀

3、況，對(duì)道路交通事故的主要原因做了概要論述。
　　 著重介紹了把計(jì)算機(jī)科學(xué)、機(jī)器視覺(jué)、圖像工程、模式識(shí)別、人工智能等先進(jìn)技術(shù)融為一體的計(jì)算機(jī)視覺(jué)技術(shù)對(duì)實(shí)現(xiàn)人類視覺(jué)系統(tǒng)功能的重要意義。分析了主要的目標(biāo)跟蹤方法以及目前所面臨的技術(shù)難題。
　　 ②分析了均值漂移難以有效地跟蹤快速運(yùn)動(dòng)目標(biāo)的主要缺陷,提出了結(jié)合均值漂移和卡爾曼濾波器的目標(biāo)跟蹤方法。該方法利用卡爾曼濾波器預(yù)測(cè)目標(biāo)在當(dāng)前時(shí)刻的起始位置,然后均值漂移在該位置的鄰域內(nèi)搜索

4、目標(biāo)的確切位置。同時(shí),采用Bhattacharyya 系數(shù)度量“目標(biāo)模型”和“候選模型”相似程度,提出一種目標(biāo)遮擋因子，作為目標(biāo)被遮擋程度的判斷根據(jù)，以城區(qū)交通環(huán)境下的車(chē)輛目標(biāo)進(jìn)行跟蹤，實(shí)驗(yàn)結(jié)果表明該方法較原均值漂移方法可明顯提高阻擋情況下的目標(biāo)跟蹤穩(wěn)定性。
　　 ③論述了基于核直方圖的粒子濾波算法，分析了粒子濾波運(yùn)用于目標(biāo)跟蹤相對(duì)均值漂移以及卡爾曼濾波算法的優(yōu)越性，重點(diǎn)介紹粒子濾波算法的系統(tǒng)建模問(wèn)題，其中包括動(dòng)態(tài)模型和觀察模型