基于计算机视觉的车体提取及跟踪算法研究.pdfVIP

图形图像 基于计算机视觉 的车体提取及跟踪算法研究 1 1 1 1 2 万峻甫 ， 向怀坤 ， 刘建伟 ， 曹 泉 ， 李 鸿 （ 哈尔滨工业大学深圳研究生院，深圳 ； 广州市交通管理科学研究所，广州 ） 1. 5180552. 510405 摘 要：在对比图像背景差分算法与帧间差分算法的基础上，给出一种基于计算机视觉原理的车体提 取及跟踪算法，对算法流程及其在车体识别、分割与跟踪过程中的具体实现方法进行了论述， 并以某地交通治安卡口系统采集的图像数据进行了算法验证。 关键词：智能交通系统；视频图像处理；车辆检测算法；交通治安卡口系统 引 言 后的输入都是针对上一次处理结果。车体识别在此流 程中代表检测运动物体，为了使车体清晰，须对运动 车辆跟踪算法是视频交通异常事件侦测系统的 车体进行膨胀，然后提取运动车体，并跟踪车体，计 核心技术之一。它通过实时跟踪车辆的运动状态，获 数。在车体膨胀和分离、跟踪这几个步骤，都是在设定 取当前交通状况的直接判据，比如交通拥堵、车辆逆 行、停车、车速骤变等等，为交管部门处置应急事件提 的区域中进行的。 供宝贵的缓冲时间。本文借鉴当前国内外相关研究成 2 车体分离 果，提出一种基于计算机视觉原理的车辆跟踪算法， （）车体识别 1 重点解决了复杂光照条件下的移动车体提取及目标 在基于视频的交通检测系统中，车辆检测的正确 跟踪问题，并在实际项目中得到了检验。 性是一系列后续处理的关键。对于车辆实时追踪系统 1 算法流程设计 （ ）来说，运动 VRTSVehicleRealTimeTrackingSystem 近年来，有许多基于摄像机图像的车体提取算法 物体的分割是其中的关键一步，而进行分割的方法， [1,2,4,6] 帧间差分和背景差分是比较流行的。 被提出 。针对它们的优缺点和本文的实际情况： [7,8,9,10] ①针对车流量统计，对静止的车辆不要求计数， 背景差分 这种方法适应相对较差，受背景环 所以基于灰度图帧间差分法不影响车流量的准确度； 境的影响较大，要求背景的变化不能太快，如果背景 ②因为其对处理各种环境变化都具有较强的自 的变化过快，如日出、日落、突然的阴天和路灯的突然 [5] 关开，都会使背景和车辆的分离带来很大的误差。而 适应性。本文采用帧间差分法 。具体流程图如图 所