基于车载视频的运动目标检测与跟踪算法的研究与实现

摘要

随着汽车数量的迅速增长和道路交通事故的频繁发生，如何减少交通事故、降低交通事故造成的损失成为人们关注的焦点.尤其是在倒车时，由于车辆后部的盲区，再加上目标运动方向的不确定性，很容易发生与运动目标间的碰撞.因此，及时警告驾驶员与运动物体可能的碰撞，有效地保护他们的安全，已成为车辆安全辅助驾驶领域备受关注的研究方向.动态的场景，运动目标的多样性既有非刚体的行人又有刚体的车辆等，加上天气、光照等因素的影响，使得运动目标检测与跟踪很具挑战性.
　　本文以车载的鱼眼相机作为获取外界环境信息的手段.从现实实用性角度出发，建立了运动目标检测与跟踪系统.
　　在运动目标检测系统中，本文首先提出了一种分层的自运动补偿方法，以消除摄像机运动带来的影响.其次，对差分图进行形态学处理，为分割和验证打下了良好的基础.然后，给出了基于差分网格的运动区域分割方法，该方法简单有效.最后，提出了基于相机成像原理的运动目标验证算法.
　　在运动目标跟踪系统中，本文给出了一种改进的基于差分图像的粒子滤波多目标跟踪算法.该算法利用差分亮度作为跟踪特征，不仅直观，计算简单，而且能克服平移、旋转、尺度变化的运动.
　　本文提出的运动目标检测与跟踪算法在不同场景的测试集上进行了测试，结果表明该算法具有较好的鲁棒性和准确性.

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 智能交通系统(ITS)

1．2．1 ITS概念

1．2．2 车辆辅助驾驶系统(DAS)

1．3 DAS的研究现状及发展前景

1．3．1 国外研究状况

1．3．2 国内研究现状

1．3．3 DAS的发展前景

1．4 本文主要工作

1．4．1 本文研究内容

1．4．2 本文组织结构

第2章 运动目标检测与跟踪技术

2．1 运动目标检测技术

2．1．1 运动目标检测的理论基础

2．1．2 运动目标检测算法概述

2．2 运动目标跟踪技术

2．2．1 运动目标的有效表达

2．2．2 相似性度量算法

2．2．3 搜索算法

2．2．4 目标跟踪分类

2．2．5 粒子滤波理论

2．3 本章小结

第3章 基于车载视频的运动目标检测算法研究

3．1 预处理

3．2 基于分层的自运动补偿

3．2．1 特征检测与匹配

3．2．2 自运动估计

3．2．3 自运动补偿

3．2．4 图像差分

3．3 基于差分网格的运动区域分割

3．3．1 形态学处理

3．3．2 建立kd-tree

3．3．3 聚类

3．4 基于相机成像原理的运动目标验证

3．4．1 有效域与消失域的划分

3．4．2 利用位置和大小信息的验证

3．5 本章小结

第4章 基于车载视频的运动目标跟踪算法研究

4．1 概述

4．2 基于差分图像的粒子滤波跟踪算法

4．2．1 粒子状态的描述

4．2．2 先验知识的获取

4．2．3 状态转移模型建立

4．2．4 观测更新模型建立

4．2．5 后验概率计算

4．2．6 重采样

4．3 多目标跟踪设计

4．4 本章小结

第5章 基于车载视频的运动目标检测与跟踪系统试验

5．1 系统设计与实现

5．2 系统运行环境

5．2．1 软件环境

5．2．2 硬件环境

5．3 系统评估方法

5．3．1 评估数据

5．3．2 评估方法

5．4 评估结果与分析

第6章 总结与展望

6．1 本文的主要工作

6．2 进一步的工作

6．3 展望

参考文献

致谢