基于智能交通车辆视频的目标检测与跟踪技术研究

摘要

近年来随着城市化进程的加快，国内许多城市尤其是大中城市的车流量与日俱增。人们在享受机动车所带来的巨大便利的同时，也面临着交通拥挤的问题。在现有的条件下，建立完善智能交通系统是解决交通问题的有效方法之一。运动目标的检测与跟踪是计算机视觉和图像编码领域的重要研究之一，在军事、医学和科研等领域都有广泛的应用。运动目标检测与跟踪算法的设计直接影响跟踪效果的准确性和稳定性，对于鲁棒性好、精确度高的跟踪方法的研究一直是计算机视觉等领域的热点问题。 本文构建了一个基于智能交通的视频目标检测与跟踪系统。它的主要功能是从相对固定的场景中检测运动的目标，并对自动选定的运动目标加以跟踪。本文利用背景消去法、卡尔曼滤波算法、均值移位算法等理论，进一步完善交通监控系统的智能性、实时性、自适应性。主要研究成果如下： 第一，序列图像中运动目标的检测与分割：本文针对复杂背景，比较了光流法，帧差法和背景消减法各自的优缺点，进行了中值、均值、形态学滤波等多种滤波处理并进行了比较，提出了一种较为有效的分割提取前景运动目标的方法，实验效果良好。 第二，序列图像中运动目标的跟踪：就前期的分割结果，分别采用卡尔曼滤波算法和均值移位算法两种跟踪方法，并最终实现在复杂背景下自动的对运动目标进行跟踪，实验结果表明了所运用方法的有效性。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究的背景、目的和意义

1.2智能交通系统概述

1.3论文的主要内容及结构安排

1.3.1论文的主要内容

1.3.2论文的结构安排

第二章视频车辆目标检测与追踪系统结构

2.1智能交通系统一般模型

2.2车辆目标检测与追踪系统结构

第三章运动目标检测

3.1视频图象的处理方法

3.2图像的预处理方法

3.2.1彩色图像的灰度化处理

3.2.2图像的滤波方法

3.3数学形态学处理

3.3.1数学形态学的基本思想

3.3.2数学形态学算法

3.3.3算法试验结果及其分析

3.4运动目标检测

3.4.1差分法

3.4.2光流法

3.5试验结果及其分析

第四章运动目标跟踪

4.1目标跟踪方法概述

4.2目标的特征提取

4.2.1目标的几何特征

4.2.2目标的形状描述

4.2.3目标的统计特征

4.3基于特征匹配的跟踪方法

4.4基于卡尔曼滤波算法的预测跟踪器

4.4.1卡尔曼滤波理论

4.4.2卡尔曼滤波模型

4.4.3算法试验结果分析

4.4.4算法的缺点

4.5均值移位算法

4.5.1均值移位算法简介

4.5.2核函数密度及密度梯度估计

4.5.3均值移位向量

4.5.4均值移位算法的收敛性

4.6基于均值移位算法的匹配跟踪器

4.4.1目标描述

4.4.2 Bhattacharyya系数

4.4.3 跟踪算法

4.4.4算法试验结果及其分析

第五章总结

参考文献

攻读硕士学位期间公开发表论文

致谢