视频中粘连车辆的分割与跟踪技术研究

摘要

在交通视频监控系统中,许多架设摄像机的光轴与道路平面之间的角度较小,而且偏离道路的中心,从而输出图像会出现多个车辆之间的相互粘连,给后续车辆的处理带来诸多问题。本文围绕小角度、偏离道路中心的摄像头下车辆的跟踪问题,开展了有关粘连车辆的分割及跟踪方法的研究。
　　首先,对视频图像预处理,主要包括提取感兴趣的车道区域和坐标系变换,从而得到车道在真实世界的二维直角坐标系。将预处理后的图像经过混合高斯模型和背景差分得到车道内的前景车辆。利用图像滤波消除孤立噪声点,经形态学处理得到完整平滑的运动车辆前景图像,实现运动车辆的检测。
　　然后,提取前景单连通区域的骨架结构,根据骨架结点的位置关系和结点数目判断单连通区域是否存在车辆粘连,若粘连,提取骨架的上的分割点,计算分割点与前景连通区域边界的距离,求取分布在分割点两侧的最短距离点,从而求出分割线,实现对粘连车辆的分割。
　　其次,在车辆跟踪中,采用基于特征点匹配的跟踪算法,需要提取提高粘连车辆跟踪性能的稳定特征点:用Harris角点检测器检测角点,通过去除与背景像素之间的距离为?s以内的角点,去除阴影上的特征点,抑制阴影对车辆跟踪的影响。通过铅垂线投影假设(PLPs)建立特征点的3-D坐标,根据特征点的坐标位置选择抗粘连性较好的特征点作为稳定特征点。将分割粘连后的前景图像与稳定特征点相与,得到前景车辆内部的稳定特征点。
　　最后,对提取出的稳定特征点进行相似度测量,结合灰度特征描述符和互相关系数度量方法实现特征点的匹配,基于特征点的几何特征去除错误匹配的特征点。同时将卡尔曼预测应用到特征点的匹配中,预测车辆及特征点在下一帧中的位置,减少特征匹配的计算量,节省计算时间。设计一个多车辆跟踪系统,使车辆跟踪系统能够实现粘连车辆的跟踪。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究的内容与各章节安排

第2章 运动车辆检测算法

2.1 车道区域的提取

2.2 坐标系的转换

2.3 基于高斯模型的背景差分

2.4 图像滤波

2.5 形态学后处理

2.6 本章小结

第3章 基于骨架及凹点的粘连车辆分割

3.1 分割粘连车辆方法概述

3.2 骨架的提取

3.3 粘连车辆的检测

3.4 分割粘连车辆

3.5 实验结果与分析

3.6 本章小结

第4章 稳定特征点的提取

4.1 角点的检测

4.2 铅垂线投影假设（PLPs）

4.3 稳定特征点的选取

4.4 实验结果与分析

4.5 本章小结

第5章 基于稳定特征点的粘连车辆跟踪

5.1 特征点的匹配

5.2 卡尔曼预测

5.3 结合卡尔曼滤波器的特征点匹配跟踪算法

5.4 实验结果与分析

5.5 本章小结

结论

参考文献

攻读学位期间发表的论文和取得的科研成果

致谢