视频中车辆多目标检测与跟踪研究

摘要

道路视频监控作为交通监管系统的重要组成部分，它不仅可以对监控范围内的来往车辆进行实时监控，达到对突发交通事故的实时预警。还可以通过相应的智能算法结合数字图像处理的知识对视频帧进行处理，实时地对来往车辆的自动检测、识别与追踪以达到对范围内的车流量、车牌号码等有效信息的实时掌握。最终智能地监控来往车辆目标的行为。
　　为了提高行驶车辆的检测、车牌识别与追踪的准确性、时效性，本文模拟道路监控采集车辆视频，首先对采集的视频进行均衡处理和灰度化处理;接着通过边缘检测对路面车道线进行识别与分割，将当前摄像头所在的路面作为感兴趣的区域提取出来;然后本文提出了一个基于熵值法求权重的Adaboost和帧差法的混合检测模型对区域内的车辆进行检测与定位，当获取到检测车辆目标之后，使用一种改进的KCF算法对检测到的车辆进行追踪;紧接着对获取的车辆图像进行预处理，预处理包括车辆图像的二值化、腐蚀、膨胀及边缘检测等过程，并由此得到一种数学形态学粗定位结合像素统计行列扫描精确定位的车牌定位方法定位车牌，利用Radon变换对定位后倾斜的车牌进行倾斜校正;使用投影法对车牌字符进行分割并且将分割字符进行归一化处理，最后本文在传统的模板匹配法的基础上提出了一种改进的模版匹配的方法对车牌字符进行识别。
　　通过实验结果证明，本文提出的检测模型可以有效地滤除其他非目标物体，对机动车辆进行有效地检测与筛选。与此同时，在相同的情况下同时用本文算法和传统的光流法和背景建模法进行比较，最终通过实验证明本文所使用的算法在检测速度和准确率上都优于另外两种算法。本文使用的检测模型对机动车辆目标检测的准确率能够达到96.25％;使用改进的KCF追踪方法能够有效地克服车辆目标之间的遮挡情况，能够稳定，高效地对车辆多目标进行追踪;使用的车牌定位方法能够对获取的车辆的车牌进行快速准确的定位;使用的字符分割方法能够有效地分割车牌字符并有效地解决字符黏连问题;提出的改进的字符识别方法相对于传统的模板匹配算法能够有效地克服对相似字符的误判，对车牌识别的准确率能够达到95.5％。

目录

声明

摘要

1 绪论

1．1 课题的研究背景和研究意义

1．2 国内外进展状况

1．2．1 智能交通系统研究现状

1．2．2 运动车辆检测技术研究现状

1．2．3 车牌识别技术的研究现状

1．2．4 运动车辆跟踪技术研究现状

1．3 论文的研究内容与结构安排

1．3．1 论文研究的主要内容

1．3．2 论文结构安排

2 车辆多目标检测与跟踪方法研究

2．1 车辆多目标检测

2．1．1 视频帧的均衡处理

2．1．2 视频帧的灰度处理

2．1．3 边缘检测

2．1．4 车道线识别与分割

2．1．5 基于熵值法加权的Adaboost与帧差法检测模型

2．2 车辆多目标追踪

2．2．1 KCF追踪

2．2．2 循环矩阵

2．2．3 线性回归

2．2．4 快速检测

2．3 本章小结

3 车辆牌照的定位

3．1 国内车牌的规格和特征

3．2 图像预处理

3．2．1 图像的形态学运算

3．2．2 图像二值化

3．2．3 车辆图像的边缘检测

3．3 数学形态学粗定位车牌

3．4 蓝(黄)像素统计、行列扫描精确定位车牌

3．4．1 精确定位算法原理

3．4．2 行扫描

3．4．3 列扫描

3．5 本章小结

4 车牌的字符分割与识别

4．1 车牌字符分割

4．1．1 车牌预处理

4．1．2 水平投影分析

4．1．3 垂直投影分析

4．2 车牌字符识别

4．2．1 传统的模板匹配算法

4．2．2 一种改进的模板匹配算法

4．3 本章小结

5 整体测试与分析

5．1 车辆目标的检测

5．2 车辆目标的追踪

5．3 车牌的识别

5．4 本章小结

结论

致谢

参考文献