基于图像金字塔光流的角点跟踪法的车辆监测系统.docVIP

PAGE PAGE 2 基于图像金字塔光流的角点跟踪法的车辆监测系统 兰昆艳1，张洪刚1，田江伟2，雷晓2 1 　北京邮电大学信息与通信学院，北京市（100876） 2 　北京弗雷赛普科技发展有限公司，北京市（100037） E-mail：lankunyan@126.com 摘 要：本文提出并实现了一个基于特征提取和运动估计的实时、智能车辆监测系统。在照明度较好的白天，图像的结构信息突出、充分，以角点作为特征实现高效的目标检测。而针对跟踪子任务，采用基于图像金字塔光流的特征跟踪方法能获得目前针对目标的大尺度运动的最好预测结果。实验表明，系统在卡口监测环境下具有较高的处理速度和监测精度，对光线变化、阴影及噪声干扰具有很好的鲁棒性。 关键词: 角点检测；图像金字塔光流法；车辆检测；车辆跟踪 Vehicle Monitoring System Based on Corner-based Multi-resolution Optical Flow Algorithm LAN Kunyan1, ZHANG Honggang1, LEI Xiao2, TIAN Jiangwei2 1 Information and Communication Department, Beijing University of Posts and Telecommunications, Beijing,（100876） 2 Beijing Friendship Technology Development Co.Ltd , Beijing,（100037） E-mail：lankunyan@126.com Abstract: A real-time intelligent vehicle monitoring system based on feature extraction and motion estimation is proposed and implemented in this paper. In good lighting condition during daytime, the shape information is outstanding and sufficient so that efficient object detection can be realized employing corners as feature. For tracking target, the best estimation to large magnitude motion of objects at present can be achieved by feature points-based multi-resolution optical flow algorithm. It is proved by experiments that high speed and precision are available at toll-gate. Moreover, it is robust to illumination changing、shadow and noise. Keywords: Corner Detection; Multi-resolution Optical Flow; Vehicle Detection; Vehicle Tracking 1. 引言 卡口监测作为智能交通系统的重要视频监控应用实例得到日益广泛的关注。而特征检测与跟踪恰是基于图像序列的运动研究的重要基础和关键技术[1]。迄今，不懈的研究工作对运动目标检测这一课题做出了诸多解决方案，其中最为经典的检测算法是基于背景差、帧间差、光流和模板匹配实现的。但卡口监测应用的实时性对算法的复杂度和运算速度做出了限制，系统功能的实现应简捷、高效。但这几种算法自身的缺陷，如背景差要求有理想的背景模型和自适应的前景二值化阈值以及有效的阴影去除算法，帧间差法中前景块不可避免的重叠和破碎不利于目标的准确定位和识别，光流法[2]和模版匹配[3]法耗时严重，都限制了其在实时监测中的应用。而混合算法无疑提高了算法复杂度。 近年来基于图像特征的检测方法日益流行，如基于Haar特征的AdaBoost方法[4]。但是该方法的前期训练工作较为繁重，并且训练器要求实时更新。将车辆底部强烈的阴影作为特征[5]进行目标的检测、跟踪不失为一种有效的方法，但卡口特写画面中不同的光照方向使得该特征不断变化、甚至是不可见的。而基于轮廓和边缘信息[5]的检测、跟踪适用于场景简单的卡口，但是耗时的轮廓分析和边缘提取不利于实时检测。支持向量机[6]的特有优势使其在模式识别应用中备受瞩目，但该方法是基于统