交通視頻中車輛目標(biāo)檢測(cè)和跟蹤方法研究.pdf

1、智能交通系統(tǒng)中，交通視頻中車輛的檢測(cè)和跟蹤一直是倍受重視的一個(gè)熱點(diǎn)和難點(diǎn)問(wèn)題，對(duì)其進(jìn)行研究不僅是進(jìn)一步車輛行為判斷的需要，同時(shí)也能為智能交通系統(tǒng)提供許多必要的參數(shù)信息的支撐。在實(shí)際的交通視頻場(chǎng)景中，環(huán)境的復(fù)雜性和場(chǎng)景不斷變化的特點(diǎn)通常會(huì)給車輛目標(biāo)的檢測(cè)和跟蹤帶來(lái)難度，如何使車輛目標(biāo)的檢測(cè)和跟蹤算法在具有準(zhǔn)確性的同時(shí)，對(duì)場(chǎng)景和環(huán)境等復(fù)雜因素保持較高的魯棒性一直是受到關(guān)注和追求的目標(biāo)。為了達(dá)到這樣的目標(biāo)，傳統(tǒng)的基于單一特征的方法很難適應(yīng)這樣

2、的需求，而基于實(shí)際環(huán)境的多特征信息融合和互補(bǔ)為實(shí)現(xiàn)該目標(biāo)提供了可能。本文對(duì)交通視頻中車輛目標(biāo)檢測(cè)和跟蹤方法進(jìn)行研究，在對(duì)交通視頻場(chǎng)景中目標(biāo)的多種特征進(jìn)行挖掘和提煉的基礎(chǔ)上，結(jié)合相應(yīng)的數(shù)學(xué)模型和方法對(duì)其進(jìn)行融合。
　　本文的主要研究成果包括：
　　1.提出一種基于小波邊緣信息的交通視頻對(duì)象分割檢測(cè)活動(dòng)輪廓模型，該模型通過(guò)增加邊緣因子項(xiàng)，并將其融入到C-V模型中，在車輛檢測(cè)的過(guò)程中既考慮到目標(biāo)的區(qū)域信息又兼顧了邊緣信息，保證了復(fù)

3、雜環(huán)境下對(duì)車輛目標(biāo)分割檢測(cè)的準(zhǔn)確性以及魯棒性，同時(shí)通過(guò)增加了邊緣信息的約束，使模型的演化速度得以提高。
　　2.針對(duì)傳統(tǒng) MS（MeanShift）算法在復(fù)雜場(chǎng)景目標(biāo)跟蹤時(shí)易受到相似目標(biāo)干擾導(dǎo)致跟蹤目標(biāo)丟失的問(wèn)題，提出一種基于Contourlet直方圖約束的MeanShift交通視頻車輛目標(biāo)跟蹤算法，首先利用Contourlet輪廓波提取交通視頻中感興趣區(qū)域下跟蹤目標(biāo)的紋理特征和輪廓，然后利用Contourlet子帶的直方圖統(tǒng)計(jì)跟