交通視頻監(jiān)控中的車輛檢測與跟蹤方法研究.pdf

1、隨著城市化進(jìn)程的加快,交通擁堵、環(huán)境污染等問題日益突出。智能交通系統(tǒng)作為解決上述問題的一項(xiàng)有效措施,越來越多地受到了研究人員的重視。基于圖像處理的智能交通監(jiān)控系統(tǒng)是智能交通系統(tǒng)中的一個(gè)重要方面,而運(yùn)動(dòng)車輛檢測與跟蹤是智能交通監(jiān)控中的一個(gè)基礎(chǔ)而又關(guān)鍵的工作。本文對(duì)交通監(jiān)控中的運(yùn)動(dòng)車輛檢測與跟蹤問題進(jìn)行了深入的研究,主要研究成果和創(chuàng)新點(diǎn)有:
　　 1、針對(duì)在線K均值混合高斯模型更新算法中方差收斂較慢的問題,提出了一種快速背景恢復(fù)算法

2、。采用不同的均值和方差學(xué)習(xí)率,基于計(jì)數(shù)器的可變方差學(xué)習(xí)率保證了模型初始化階段方差能快速收斂,增強(qiáng)了背景模型對(duì)環(huán)境變化的魯棒性。將該算法應(yīng)用到運(yùn)動(dòng)車輛檢測中,能夠準(zhǔn)確獲得運(yùn)動(dòng)車輛位置等信息。
　　 2、基于對(duì)交通視頻序列中的運(yùn)動(dòng)矢量時(shí)空相關(guān)性的研究,提出了三角形搜索和分層三步搜索兩種搜索策略。依據(jù)運(yùn)動(dòng)矢量時(shí)間相關(guān)性,將上述兩種搜索策略統(tǒng)一在基于分類搜索的快速相關(guān)跟蹤算法中。算法搜索策略靈活,在保證跟蹤精度的同時(shí),提高了算法效率,綜

3、合性能優(yōu)于單一搜索策略。
　　 3、針對(duì)CamShift算法只適于跟蹤特定顏色目標(biāo)的不足,提出了自適應(yīng)顏色空間CamShift運(yùn)動(dòng)車輛跟蹤算法。依據(jù)目標(biāo)和背景外觀的當(dāng)前測量值選擇顏色空間,提高了跟蹤多色調(diào)車輛的準(zhǔn)確度和適應(yīng)光照變化的能力,在顏色概率分布圖中迭代計(jì)算目標(biāo)位置,顏色空間更新判斷機(jī)制和Kalman濾波器的引入提高了算法效率。成功地將CamShift算法的應(yīng)用領(lǐng)域擴(kuò)展到運(yùn)動(dòng)車輛跟蹤,實(shí)現(xiàn)了車輛的穩(wěn)定、可靠跟蹤。
　

4、　 4、為了提高跟蹤算法對(duì)大幅度的光照、背景變化或車輛大范圍運(yùn)動(dòng)的魯棒性,提出了自適應(yīng)權(quán)值多特征空間直方圖MeanShift跟蹤算法。以自適應(yīng)權(quán)值多特征乘性融合框架為基礎(chǔ),推導(dǎo)出自適應(yīng)權(quán)值多特征空間直方圖MeanShift迭代形式。利用目標(biāo)與背景的顏色、邊緣及紋理特征的相似性,調(diào)整特征權(quán)值,使跟蹤不再過分依賴某一單一特征,實(shí)現(xiàn)了復(fù)雜背景下車輛的準(zhǔn)確跟蹤。
　　 5、為有效解決遮擋情況下的車輛跟蹤問題,提出了基于粒子濾波的遮擋車