视频监控中运动车辆检测与跟踪算法研究

摘要

随着计算机技术的飞速发展，基于图像处理的智能交通系统因其实时、准确、高效的特点，受到了人们的广泛关注。在智能交通系统中，运动目标检测与跟踪可以完成对交通车辆的智能检测与跟踪、分类识别等功能。本文重点研究了智能交通中的运动车辆检测与跟踪算法。
　　为了后期处理方便，提高对目标的识别跟踪效果，论文研究了常见的图像预处理方法，包括图像的复原、灰度化、二值化及形态学处理等。
　　在对运动车辆检测算法进行分析研究的基础上，论文重点仿真了基于Lucas&Kanade模型的光流法、基于CodeBook算法的前景检测算法以及基于高斯模型的背景相减法等运动车辆检测算法；由于车辆阴影影响到检测效果，论文研究了车辆阴影的特点并进行了阴影消除；通过分析相关算法的优缺点，提出了结合基于边缘三帧差分法与混合高斯背景相减法的运动车辆提取算法。仿真实验表明，本算法可以完整的提取运动车辆区域，保留运动车辆的完整信息，提高了算法的实时性与鲁棒性。
　　在对运动车辆跟踪算法进行分类研究后，论文以 Kalman滤波和Mean Shift算法为基础，进行了车辆跟踪的算法仿真；在分析了交通车辆的特点后，用色调分量的概率分布建立特征空间，对 Camshift算法进行了仿真研究；结合实际交通路况中车辆跟踪的常见问题，诸如车辆的遮挡，背景环境与目标相似，相似车辆毗邻等情况，仿真了将 Camshift算法结合 Kalman滤波的过程。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的背景和选题意义

1.2 国内外研究现状

1.3 运动车辆检测与跟踪技术的发展

1.4 本文的主要研究内容

第2章 图像的预处理

2.1 图像的灰度化

2.2 图像复原

2.3 图像的形态学处理

2.4 图像的边缘检测

2.5 图像的二值化处理

2.6 直方图的反向投影

2.7 本章小结

第3章 运动车辆检测

3.1 光流法

3.2 帧差法

3.3 背景相减法

3.4 去阴影操作

3.5 连通区域检测

3.6 混合高斯背景相减法与帧差法结合

3.7 本章小结

第4章 运动车辆跟踪

4.1 Mean Shift算法

4.2 Camshift算法

4.3 Kalman滤波概述

4.4 Camshift结合Kalman滤波的跟踪算法

4.5 本章小结

结论

参考文献

声明

致谢