基于blob的车辆识别与其跟踪算法研究.pdfVIP

基于 Blob 的车辆识别及其跟踪算法研究 1 1 1 1 2 王臣豪 刘富强 田敏 黄宇晖 马彪 (1. 同济大学 信息与通信工程系，上海，200092；2. 辽宁信息职业技术学院，辽宁辽阳， 111000 ) 摘 要 智能交通系统是未来交通发展的必然趋势,其关键技术的研究具有深远的意义。本文以在静态背景下动态地识别并跟踪汽车为目的， 对摄像头采集的图像进行处理。如何准确地从复杂的交通图像中提取车辆，是进行车辆识别的基础。本文采用Surendra背景[1]算法提取路 面的背景，通过背景差法提取路面上的车辆。图像分割后，对二值图像进行Blob[2]分析，识别并对车辆进行分析，获取车辆的特征信息， 包括车辆本身的参数信息和位置信息。依赖这些车辆信息，通过Kalman滤波器实现对车辆的跟踪，进而获得车辆的动态信息，包括车辆的 速度、运行轨迹信息。 关键词 Blob；Kalman；车辆识别；车辆跟踪； 本系统（图 1）主要是基于视频的车辆检测系统，该 1.引言 系统有三个比较重要的部分构成，分别是背景更新，车辆 近年来，交通监控系统越来越广泛地采用计算机视觉 识别，车辆跟踪。其中背景更新部分采用 Surendra 算法， 和图像处理技术。在道路交通监控的应用技术[6] 中，计算 Surendra 算法的原理是把每幅当前帧的像素点分为两类： 机视觉技术和图像处理技术具有更大的优势。计算机视觉 前景点和背景点。当前帧中的背景点的像素值和背景图中 应用计算机技术从数字图像中提取高质量的信息，能高 的对应点加权平均，作为当前背景中像素值。前景点处则 效、准确、安全可靠地完成道路交通的监控工作。道路交 保持原来背景值不便。该算法的核心在于通过直方图统计 通监控系统中安装的视频摄像机比安装其它传感器更经 和经验取值而区分当前帧中的前景点和背景点。该算法能 济，且破坏性低。由计算机视觉得到的交通量便于联网工 较快地适应背景中光照的变化和场景中物体的变化，所需 作，有利于实现道路交通网的监控。 的适应时间较短，可采取实时的路面背景更新。由于本文 这种系统一般要先对采集到的原始图像进行预处理， 的重点在于车辆识别和跟踪方面，所以关于此算法就不进 再用特定的算法进行定位与分割，最后完成识别任务（包 行深入讨论。 括车辆识别和车辆跟踪等）。实时性、良好的适应性和抗 车辆识别中，本文采用背景差法[5]，来提取路面上移 干扰性是系统的基本要求，同样也是瓶颈所在。本文的最 动的物体。背景差法的优点是利于实时计算方法简单，易 终目的是获取车辆的动态信息，车辆的识别则是保证信息 工程实现，缺点是对图像背景的更新有要求高，易受环境 准确获取的关键所在，所以本文提出了一系列的算法进一 光线干扰影响鲁棒性。本上背景模型算法采用Surendra算 步确保车辆地准确提取。 法，由于此算法可以有效的克服此缺点，而且背景为实时 更新的。分割后的图像只剩下路面上的移动部分，本文将 2.系统结构及其综述 提取出的移动部分置成白色，本文称之为Blob 。识别过程 视频图像 交通背景 主要是Blob层和车辆层两个步骤，具体负责Blob信息的提 序 列 更 新 取和车辆信息[3] 的提取。 车辆跟踪主要利用提取出来的车辆信息来