基于多摄像头的车辆跟踪系统设计与实现

摘要

视频图像分析技术目前在智能交通等方面已有了广泛的应用，分析监控视频可以对交通管理提供辅助作用，提升工作效率。多摄像头车辆跟踪是智能交通系统中研究的重点内容之一，但是，多摄像头的切换可能导致目标车辆的外观发生变化，因此多摄像头下的车辆跟踪一直存在准确度低的问题。基于多摄像头的车辆跟踪方法结合车辆检测与车辆跟踪能够有效地提高跟踪的准确度。本文通过Single Shot MultiBox Detector（SSD）车辆检测将监控视频中的待匹配车辆进行提取，利用全局特征和局部特征实现多特征的提取，再利用提取的多特征结合全卷积孪生网络跟踪算法实现多摄像头下车辆的持续追踪。 为了降低多摄像头车辆跟踪的误检率，提高跟踪的准确度，在实际监控场景中具有更好的效果，因此论文进行了深入研究： （1）研究深度学习中SSD方法在车辆检测中的应用。采集大量的车辆图像，利用SSD网络训练检测模型，并利用训练的模型实现车辆检测，解决传统车辆检测中存在的车辆阴影、监控背景干扰等因素，提升检测的准确性。 （2）研究全局颜色特征和局部特征在车辆跟踪中的应用。采用全局特征中的RGB颜色特征和局部特征中的Speed-Up Robust Features（SURF），有效弥补了两种特征各自的不足，实现多特征的车辆跟踪。 （3）研究结合多特征跟踪与全卷积孪生网络跟踪的多摄像头车辆跟踪方法。在SSD检测后利用SURF特征完成指定车辆位置的初定位，再利用颜色相似度、SURF 匹配值和全卷积孪生网络跟踪计算的图像特征相似度进行最终目标的确定，实现多摄像头车辆跟踪算法的改进。 论文重点研究了车辆检测、特征提取和车辆跟踪涉及的相关理论和算法，设计了一种多摄像头车辆跟踪方法，并按照设计思路实现基于多摄像头的车辆跟踪系统，最后对系统进行功能测试和性能测试，结果表明：在一定程度上减少了误检率，提高了准确度，对于多摄像头车辆跟踪的研究具有一定的意义。

目录

第一个书签之前