光照变化和色彩干扰下运动车辆检测与跟踪方法研究

摘要

运动目标检测和跟踪作为智能视频监控系统中的基础技术，广泛应用于生产、交通、安全等各个领域。其中运动车辆检测和跟踪方法的性能好坏将直接影响智能交通系统其他功能的实现，例如基于车流量统计的自适应交通指示灯、逃逸车辆的跟踪定位等功能的实现。因此，如何提高运动车辆检测和跟踪的效率与准确性，成为了目前应用研究中亟待解决的热门问题。 本文将针对光照条件变化和色彩干扰场景，以视觉背景提取检测方法和Camshift跟踪方法为基础，对运动车辆的检测和跟踪方法进行研究与改进。主要的研究工作及成果如下： （1）优化了小波去噪中的阈值函数和阈值选取方法 针对视频传输、分割等过程中可能出现的噪声，特别是高斯噪声对检测跟踪的影响，本文采用小波阈值去噪方法进行去噪，通过分析研究传统小波去噪方法的优势和不足，针对阈值函数和阈值选取对去噪效果的直接影响，设计了一种新的阈值函数和阈值选取公式，并从数学层面加以证明。实验结果表明，优化后的小波阈值去噪方法具有较好的去噪效果。 （2）设计了一种适用于光照变化场景的运动车辆检测方法 通过研究分析常用的目标检测方法，结合本文光照变化和颜色干扰的场景，选取视觉背景提取（ViBe）方法作为本文的车辆检测方法，并设计了改进方法。本文首先针对ViBe方法不能适用于光照变化的场景，对像素点引入了SILTP特征，设计了基于SILTP特征值的检测方法；然后为了在本文场景下达到更好的检测效果，针对ViBe方法易产生ghost区域的特性，本文研究并设计了融合三帧差分法的背景提取方法和基于像素点标记的背景更新方法；最后本文结合上述方法，改进了运动车辆检测方法。经过实验结果对比分析，本文运动车辆检测方法可以在光照变化场景下取得较好的检测效果。 （3）设计了一种适用于光照变化和颜色干扰场景的运动车辆跟踪方法 本文以Camshift跟踪方法为基础，结合运动车辆检测结果，设计了一种改进的运动车辆跟踪方法，实现在光照变化和颜色干扰场景下的半自动跟踪。首先，本文研究并设计了基于SIFT特征匹配的跟踪方法和校准方法，以应对Camshift因颜色干扰导致的跟踪丢失和跟踪失误；然后本文在保证跟踪成功率的基础上，设计了融合卡尔曼滤波和Camshift的跟踪方法，提高跟踪效率的同时可以应对车辆运动速度较快的场景；最后将上述方法融合，得到本文的运动车辆跟踪方法。通过对比实验表明，本文提出的改进方法，在光照变化和颜色干扰场景下，可以在保证跟踪效率的同时取得较好的跟踪成功率。

目录

声明

第1章 绪论

1.1 课题研究背景和意义

1.2 国内外研究现状及存在问题

1.3 课题研究内容

1.4 章节组织结构

第2章 视频图像序列预处理方法研究

2.1 基于YUV空间的灰度转换方法

2.2 图像噪声研究

2.3 图像去噪方法研究和改进

2.4 本章小结

第3章 光照变化下的运动车辆检测研究

3.1 常用运动车辆检测方法的研究和选取

3.2 融合SILTP特征的视觉背景提取方法研究

3.3 ghost区域的抑制方法研究

3.4 光照变化下的运动车辆检测方法实现

3.5 本章小结

第4章 颜色干扰下的运动车辆跟踪方法研究

4.1 Camshift车辆跟踪方法研究和场景适用分析

4.2 融合SIFT和Camshift方法的运动车辆跟踪方法研究

4.3 融合卡尔曼滤波和Camshift跟踪方法研究

4.4 光照变化和颜色干扰下运动车辆跟踪方法实现

4.5 本章小结

第5章 总结和展望

5.1 研究工作总结

5.2 课题展望

致谢

参考文献

攻读硕士学位期间的研究成果