智能交通系统中车辆视频检测识别与跟踪方法研究

摘要

随着科学的发展，技术的进步，智能视频监控系统在数字图像处理及计算机视觉领域中逐渐成为了一个核心课题。而智能视频监控的目标检测与目标跟踪也成为智能视频监控系统的关键底层技术。在很多领域，人们广范应用视频监控系统监视并持续跟踪所需要的运动目标。本文以智能交通视频监控为应用背景，主要对视频运动车辆检测与跟踪方法进行分析和研究。首先，在运动车辆检测方面，为了解决视频中运动车辆目标检测精度不够精确及容易受到阴影影响，在对三种典型的背景模型进行了分析的基础上，提出了一种基于混合高斯模型的运动车辆检测方法，该方法采用基于HSV颜色空间和高斯阴影模型方法进行阴影抑制，从而达到减少阴影干扰的影响。其次，在运动车辆跟踪方面，本文针对跟踪问题的特点，分析了不同的跟踪模型与当前研究重点，结合现有的算法，提出了基于Camshift的跟踪算法改进。该算法主要是针对其在复杂背景下鲁棒性欠佳，能较好的跟踪目标而不产生漂移。最后，利用OpenCV软件对智能视频运动车辆目标检测与跟踪算法进行编程实现，对程序实现结果进行分析。对背景差分法、帧间差分法、三帧差分法进行实验比较，然后对三种运动车辆目标检测方法进行实现;在车辆目标跟踪过程中则利用实验比较Meanshift和Camshift改进算法两种算法的不同，通过实验得出基于Camshift算法改进算法能更好的对车辆进行跟踪而不产生车辆丢失或偏移问题。

目录

声明

摘要

第1章 绪论

1．1 论文的研究背景和意义

1．2 国内外的研究现状及发展趋势

1．3 本文的研究内容和论文结构

第2章 视频图像相关理论

2．1 灰度图像

2．2 图像颜色空间

2．2．1 RGB颜色空间

2．2．2 HSV颜色空间

2．3 图像之间的转换

2．3．1 灰度图像二值化

2．3．2 图像的灰度转换

2．4 本章小结

第3章 运动目标检测与跟踪算法分析

3．1 视频中运动目标的检测

3．1．1 视频中运动目标检测的基本方法

3．1．2 基于单高斯背景模型的运动目标检测方法

3．2 视频中运动目标的跟踪

3．2．1 运动目标跟踪的常用方法

3．2．2 均值偏移算法

3．3 本章小结

第4章 运动车辆检测与跟踪算法改进

4．1 基于混合高斯背景模型的车辆检测

4．1．1 像素模型的定义及参数的初始化

4．1．2 像素模型参数的更新

4．1．3 背景像素模型的建立

4．2 基于改进的混合高斯背景模型的车辆检测

4．2．1 疑似阴影模型立

4．2．2 混合高斯阴影模型

4．2．3 混合高斯阴影模型的算法流程

4．2．4 阴影抑制算法

4．3 基于CamShift的运动车辆目标跟踪算法

4．3．1 CamShift算法介绍

4．3．2 CamShift算法颜色特征信息的提取

4．3．3 基于CamShift算法的车辆跟踪实现

4．4 本章小结

第5章 算法编程实现及实验结果分析

5．1 运动车辆目标检测算法实现及结果分析

5．1．1 帧间差分法与三帧差分法的实现及结果对比分析

5．1．2 混合高斯模型和混合高斯阴影模型实现结果对比分析

5．2 运动车辆目标跟踪算法实现及结果分析

5．2．1 基于MeanShift的车辆跟踪算法实现

5．2．2 基于CamShift的车辆跟踪算法实现

5．3 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢