基于车载摄像头的前方运动车辆检测与跟踪方法研究

摘要

随着公路交通的飞跃式发展，为人们的出行提供便利，但交通阻塞、安全和污染等问题越来越突出，以致威胁到人身财产安全。然而前方运动车辆检测与跟踪是智能交通系统领域的一个重要的研究方向，利用基于车载摄像头获知前方路况信息，检测与跟踪前方运动目标，提供实时准确的路况信息是智能车辆安全驾驶、自主导航及交通系统研究领域的热点。　　前方运动车辆的检测与跟踪系统中，外界环境对车辆的干扰和车辆间部分遮挡问题是车辆检测与跟踪的难点，以及基于DSP平台上如何优化算法是系统实现的难点。针对这三个难点问题，本文对部分常用算法作出相应改进，从而形成一套实时准确的前方运动车辆检测与跟踪系统。主要工作如下：　　1.提出一种改进阴影的前方运动车辆检测方法。依据车尾阴影始终稳定的紧邻于车辆底部，采用两次自适应阈值分割图像，进而提取出车辆底部阴影信息，生成车辆的假设区域；为准确排除虚假区域，需先利用Sobel垂直边缘检测和垂直积分投影精确标定车辆尺度和位置，然后结合车辆垂直边缘和纹理特性，计算假设区域的熵值归一化的对称性测度进行车辆验证。　　2.设计一种基于Kalman滤波器的车辆跟踪。将车辆的尺度和位置作为Kalman滤波器的向量，预测出下一帧目标的尺度和位置；车辆间的部分遮挡是车辆跟踪中难点问题，本文中提出基于阴影线行突变的个数判断预测区域车辆个数，依据边缘特性和积分投影重新标定跟踪目标区域，并计算该区域的NMI值和灰度熵值，进行两级判断，从而实现对跟踪车辆的验证，使用本文的跟踪方法能有效缩小搜索范围而且能有效解决遮挡现象。　　3.考虑应用软件基于DSP平台上应用前景，将该系统成功移植到DM6437目标板上。本文对代码进行各种优化，从而保证了基于DM6437平台上的实时稳定的运行。　　实验结果表明，本文方法能有效快速的对车载摄像头采集的视频图像进行检测与跟踪。

目录

文摘

英文文摘

致谢

插图清单

表格清单

第一章 绪论

1.1 课题研究背景与意义

1.2 国内外研究现状

1.3 本文的主要工作和结构

1.3.1 本文主要工作

1.3.2 本文结构

第二章 前方车辆检测与跟踪技术概述

2.1 前方车辆检测原理

2.1.1 车辆假设区域检测

2.1.2 车辆假设区域验证

2.2 车辆跟踪原理

2.2.1 基于特征匹配的跟踪方法

2.2.2 基于3D模型的跟踪方法

2.2.3 基于区域的跟踪方法

2.2.4 基于轮廓匹配的跟踪方法

2.2.5 基于Camshift的跟踪方法

2.2.6 基于卡尔曼预测的跟踪方法

2.3 前方运动车辆检测与跟踪设计方案

2.4 本章小结

第三章 改进阴影的前方运动车辆检测

3.1 改进阴影的分割算法

3.2 车底与路面交线边缘的提取

3.2.1 提取阴影线

3.2.2 合并阴影线

3.3 基于对称性的车辆验证算法

3.3.1 车辆精确定位

3.3.2 车辆区域验证

3.4 前方运动车辆检测算法流程

3.5 本章小结

第四章 基于卡尔曼滤波器的前方运动车辆跟踪

4.1 卡尔曼滤波器原理

4.2 跟踪车辆匹配

4.2.1 NMI特征

4.2.2 纹理特征

4.2.3 跟踪车辆验证

4.3 车辆跟踪算法

4.3.1 Kalman预测模型

4.3.2 车辆跟踪算法步骤

4.4 实验结果与分析

4.5 本章小结

第五章 基于DSP平台上的车辆检测和跟踪算法的实现

5.1 DSP硬件平台概述

5.2 DSP软件开发

5.2.1 集成开发环境CCS

5.2.2 算法优化和移植

5.3 本文算法优化结果分析

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的论文