基于视频的车辆检测与跟踪技术分析-模式识别与智能系统专业论文.docxVIP

论文 论文位 士学硕 大学通 州交兰 究 究 术研技 跟踪与 检测辆 的车频 于视基 万方数据- 万方数据 - I - 万方数据- 万方数据 - PAGE II - 摘 要 视频目标检测和跟踪是计算机视觉领域的重要研究内容，也是智能视频监控、机器 人导航、智能交通以及精确制导等领域的关键应用技术。该研究需要涉及多个理论学科， 如：模式识别、数字图像处理、概率论与数理统计、最优化理论等。视频目标检测与跟 踪已广泛而有效地应用于许多领域，如：智能交通管理、智能安全监控、遥感信息处理、 智能机器人等。 基于视频的车辆检测与跟踪是智能交通系统的重要研究课题之一。通过对交通监控 视频的运动目标进行分析处理，实时地获得通行车辆的车速、车流量以及道路拥堵情况 等道路交通信息，可以为智能交通系统实施交通调度及动态规划时提供信息参考。测速 雷达、环形检测线圈、超声波检测器等设备通常是传统交通信息检测所采用的手段，不 仅安装、维护比较困难，而且检测精度不高，检测范围也不大，与此同时，获得的交通 信息可靠性也得不到保证。基于视频的图像信息处理，以视频采集设备获取视频图像并 经过相关处理获取道路交通信息，它将数字图像处理、计算机视觉、信号与信息处理等 多个领域内的技术融合在一起。视频图像处理能够获取场景内每个运动目标的行为特征 信息，从而获得广域场景下全面直观的交通信息，具备可视化、智能化、可再现的特点， 具有传统检测方式无法比拟的优势。 针对背景差分法当中背景的建立，提出了一种基于a改进ned的rurB 算法的运动目标 检测方法。首先，分析了常用背景建模算法的基本原理，如4 W 法、混合高斯模型法、 统计平均法，对这些算法的特点进行了比较。统计平均法建立起来的背景图像精确度不 高,不能实时更新，a传统ned的rurB 背景更新算法由于算法中亮度阈值 T 是个固定值， 需要人工干预，导致其对于光线变化等复杂的环境不太适用。提出基于改进ned的rurB a 算法的背景建模方法。实验表明，该方法能精确地检测出视频图像中的运动目标，能及 时应对场景中光线亮度的变化和背景的变化，具有较好的实时性和鲁棒性。 视频目标跟踪就是获得运动目标在图像中的位置信息，最终得到目标的运动轨迹。 常用运动目标跟踪tf 方hsi-法na有e M 跟踪算na法ml、a K 滤波跟踪算法和标准粒子滤波 跟t踪f h算si-法na。e M 跟踪算法计算量不大，运算速度较快，采用加权直方图建模，对 目标轻微变形、和部分遮挡不敏感，但是搜索窗的带宽保持不变，缺乏必要的模板更新， 运动目标较快时，跟踪效果不na好ml；a K 滤波跟踪算法能够同时适用平稳和非平稳随 机过程，数据存储量小，但是不能应用于非线性、非高斯系统；标准粒子滤波跟踪算法 能够应用于非线性、非高斯系统，但是采样的有效性较差及易受干扰影响，且不能实时 更新。 滤波 卡尔扩曼展 )及F标K(E解的决缺同了点时tf板h更i n新ase要M的模没有算必法 准粒子滤波算法中粒子存在的退化现象，同时粒子滤波器能够n解a m决l a K 滤波算法不 非线，性基于能应用于 统的问、题非，高因斯此系 算法 的F粒KE子滤预波测跟采踪样 能够很好的解决上述算法所存在的各种问题。首先，分析了标准粒子滤波算法的基本原 理，而标准粒子滤波算法存在粒子退化现象，然后为了解决标准粒子滤波算法存在的粒 地象解，决研标究子并退采化用现明，该方法能有的效F算KE法。预实测验采表样 准粒子算法中存在的退化现象问题，同时能够对运动车辆进行稳定、准确性地跟踪。 近年来，智能交通系统发展迅速，交通监测系统是智能交通系统的重要环节，由车 辆检测和车辆跟踪的结果可以分析提取出道路交通信息参数，如车速、车流量、车型等 信息。运动目标的检测和跟踪在智能交通系统中得到了广泛的应用。仿真表明，提出的 算法能够准确的检测和跟踪交通监控视频中的车辆，具有很好的应用前景和实用价值。 关键词：车辆检测；uBrendra 算法；目标跟踪 论文类型：应用研究 万方数据- 万方数据 - III - 万方数据- 万方数据 - PAGE IV - Abstract o die V t greatoint cet de d nagkci art nsiatt napomri hcr aeser c otpi ni htedl ei f of r e putocm oinsi, v nad ti si nhoteityacki e papl goy hcneotl nt gielloef nit , eo ndiacelvli veusr no,iotrbogtavai n nt giell e nit ciff art edt