基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪.docVIP

基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪 杜海顺 李嘉宸 魏兆敏 周毅 河南大学计算机与信息工程学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 提出一种基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪方法.该方法在车辆检测阶段, 为了解决传统高斯混合模型对运动目标速度变化自适应能力较差的问题, 通过定义运动目标速率因子, 给出一种模型学习率自适应更新策略, 对传统高斯混合模型进行了改进, 并用以实现车辆检测;在车辆跟踪阶段, 通过建立一个适用于视频目标跟踪的卡尔曼滤波系统, 并以车辆检测阶段输出的车辆质心为该卡尔曼滤波系统的量测值, 实现了选定车辆目标的跟踪.实验结果表明, 该方法车辆检测与跟踪效果良好, 能满足实际交通监控系统的需求. 关键词： 高斯混合模型; 卡尔曼滤波; 车辆检测; 车辆跟踪; 交通视频处理; 作者简介：杜海顺 (1977-) , 男, 副教授, 博士, 硕士生导师.研究方向:图像处理、机器视觉. 作者简介：李嘉宸, E-mail:1085055169@ 收稿日期：2017-02-03 基金：国家自然科学基金项目 (U1504621) Vehicle Detecting and Tracking Based on Improved Gaussian Mixture Model and Kalman Filter DU Haishun LI Jiachen WEI Zhaomin ZHOU Yi College of Computer and Information Engineering, Henan University; Abstract： A vehicle detecting and tracking method was proposed by using an improved Gaussian mixture model (GMM) and Kalman filter (KF) .In the vehicle detecting stage, an improved GMM was presented to solve the problem that the traditional GMM has weak adaptability to the speed changes of moving target, in which a moving target speed factor was designed and used to adaptively update the learning rate of GMM.Using the improved GMM, a vehicle detecting scheme was also proposed.In the vehicle tracking stage, a KF system for video target tracking was designed firstly.Using the vehicle centroid, which is the output of the vehicle detecting scheme, as measurement of the KF system, the selected vehicle can be tracked effectively.Experiment results show that the proposed method can detect and track vehicle effectively and meet the demand of actual traffic monitoring system. Keyword： Gaussian mixture model; Kalman filter; vehicle detecting; vehicle tracking; transport video processing; Received： 2017-02-03 在交通视频处理中, 车辆检测与跟踪至关重要.目前, 常用的目标检测方法有背景减除法、帧差法、光流场法等[1-3].高斯混合模型作为一种常用的背景减除目标检测方法, 通过为每个像素建立相应的高斯混合模型, 能够较好地提取视频中的运动目标.然而, 高斯混合模型存在收敛速度慢、对场景变化自适应能力差的缺点.针对上述缺点, 许多学者对基于高斯混合模型的目标检测方法进行了深入地研究, 提出了一系列的改进方法[4-7].虽然这些改进的高斯混合模型目标检测