ITS中运动车辆自动跟踪方法的研究

摘要

利用计算机视觉技术进行交通状况检测与信息采集是智能交通系统(ITS)领域中的一个重要课题,而运动车辆的检测与跟踪则是其中最基础的部分.该文对此问题进行了系统和深入的研究,提出了一种在自然道路背景下运动车辆自动检测与跟踪的方法,并设计开发了相应的软硬件系统,初步实现了运动车辆的自动跟踪.该文所进行的研究主要包括以下方面:(1)在图像差分算法基础上,研究提出了运动车辆自动检测的栅格算法,该方法通过计算当前帧与参考帧对应栅格的不相似度来检测是否有运动车辆进入视场;定义了不相似度下降率DSDR,基于此,可以比较准确地确定出运动车辆在栅格中的位置,并可方便地将车辆图像作为模板保存下来.(2)采用Kalman滤波理论建立了运动车辆状态预测线性模型,该模型采用8自由度的向量来描述系统状态;利用面向对象的思想,以类的形式对预测模型进行了封装实现,并给出了类的数据成员和成员函数.(3)讨论了在摄像机固定情况下和在摄像机运动情况下运动车辆的跟踪问题.在摄像机固定情况下,以运动车辆的位置估计为中心,按照搜索策略,通过模板匹配对运动车辆进行跟踪.跟踪实验结果表明,提出的搜索策略是有效的.在摄像机运动情况下,建立了运动车辆跟踪坐标系,并得出了运动车辆跟踪坐标系与预测坐标系之间的转换关系;通过摄像机-云台系统所采用的视觉坐标系,推导出了摄像机-云台系统转动的角度控制公式,为运动车辆的跟踪提供了理论基础.(4)根据面向数据流的设计方法,在综合运动车辆自动检测、状态预测和自动跟踪算法的基础上,采用Visual C++作为开发语言,在Windows 2000平台上设计开发了相应的软件系统.软件开发时,以软件工程学模块化思想为指导,将系统划分为图像采集与提取、图像数据处理、图像显示等六个模块.所开发的软件系统能够较好地完成运动车辆的自动检测、状态预测,并初步实现了运动车辆的自动跟踪.(5)介绍了跟踪系统硬件部分的组成和结构.

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第一章绪论

1.1 智能交通系统发展概述

1.2计算机视觉发展概述

1.3计算机视觉在ITS中的应用

1.4 国内外研究现状

1.5课题研究的目的和意义

1.6课题研究的主要内容及研究方法

第二章数字图像处理技术基础

2.1 数字图像处理的概念

2.2 图像的色彩系统

2.3图像的数字化

2.4 图像序列

2.5图像文件格式

第三章运动车辆的自动检测

3.1 图像的采集、存储与背景更新机制

3.2 图像数据的预处理

3.3运动车辆自动检测的栅格算法

3.4栅格算法的实现

3.5 小结

第四章运动车辆的状态预测

4.1 Kalman滤波理论概述

4.2状态预测模型的建立

4.3状态预测模型的实现

4.4模型的初始化

4.5 小结

第五章运动车辆的自动跟踪

5.1 摄像机固定情况下运动车辆的自动跟踪

5.2 摄像机运动情况下运动车辆的自动跟踪

5.3 小结

第六章运动车辆自动跟踪硬件系统

6.1硬件系统组成

6.2 PELCO CM6700视频矩阵切换器

6.3 CG200图像采集卡

6.4 小结

第七章运动车辆自动跟踪软件系统

7.1 软件系统设计思想

7.2 软件系统总体设计

7.3软件系统模块开发

7.4 小结

第八章总结与展望

8.1 总结

8.2创新点

8.3展望

参考文献

致谢

附录一预测模型的推导

个人简介