遮挡情况下的车辆检测与跟踪

论文摘要

车辆检测、跟踪和行为状态分析的好坏,直接关系着ITS系统的核心功能实现,特别是在道路遮挡日益严重的情况下,车辆检测和跟踪过程中遮挡分割的好坏,对车辆检测和跟踪结果具有举足轻重的作用。基于交通视频的车辆检测跟踪和行为分析技术有着广泛的应用前景,如停车场监控、收费站监控等应用场景。本文围绕基于交通视频的车辆检测、遮挡检测与分割、遮挡情况下的车辆跟踪和跟踪基础上的车辆行为状态分析进行研究,针对性的提出解决问题的方法。本文主要研究工作如下:（1）针对车辆背景不易提取和前景空洞的问题,提出了一种改进的直方图-均值背景重构算法。减背景法提取出运动车辆后,提出一种基于前景点扫描统计的车辆空洞填充算法,提取完整的运动车辆前景区域。（2）针对车辆遮挡不易检测,分割效果不理想、车辆分割不完整等问题,提出了一种基于统计模型的车辆遮挡检测与分割算法,在遮挡分割的基础上对遮挡车辆和被遮挡车辆进行判定。（3）考虑车辆发生遮挡时容易造成跟踪丢失,严重遮挡车辆无法跟踪等问题,设计了一种遮挡情况下基于卡尔曼滤波预测的车辆区域匹配跟踪算法,在对车辆的遮挡情况进行判定的基础上实现跟踪。（4）对车辆的行为状态进行分析,在跟踪的基础上引入有限状态自动机,将车辆的微观轨迹信息进行宏观表达,对车辆的行为状态进行判定,实现车辆的简单行为状态识别。文中还对提出的算法和技术方案进行了实验,结果表明本文提出的算法和技术方案是行之有效的。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 运动目标检测与跟踪研究现状
• 1.2.2 遮挡分割研究现状
• 1.3 研究内容
• 1.4 本文的结构安排
• 第2章 运动车辆检测及预处理
• 2.1 运动检测技术简述
• 2.1.1 光流法
• 2.1.2 帧差法
• 2.1.3 减背景法
• 2.2 背景构建及更新
• 2.2.1 常用背景模型
• 2.2.2 改进的直方图-均值法模型
• 2.2.3 背景模型实现
• 2.2.4 背景更新
• 2.3 运动分割及预处理
• 2.3.1 背景差分
• 2.3.2 前景预处理
• 2.4 实验结果及分析
• 2.4.1 背景提取
• 2.4.2 运动车辆检测效果及空洞填充效果
• 2.5 本章小结
• 第3章 车辆遮挡检测与分割
• 3.1 车辆遮挡检测研究现状
• 3.1.1 基于特征模型的分割
• 3.1.2 基于三维模型的分割
• 3.1.3 基于推理模型的分割
• 3.1.4 基于统计模型的分割
• 3.2 车辆遮挡检测与分割
• 3.2.1 车辆遮挡检测与分割流程
• 3.2.2 像素统计模型
• 3.2.3 遮挡分割
• 3.3 实验结果
• 3.3.1 遮挡点检测实验结果
• 3.3.2 遮挡分割结果
• 3.3.3 实时性分析
• 3.4 本章小结
• 第4章 遮挡情况下的运动车辆跟踪
• 4.1 跟踪技术综述
• 4.1.1 基于模型的跟踪
• 4.1.2 基于区域的跟踪
• 4.1.3 基于特征的跟踪
• 4.1.4 基于运动估计的跟踪
• 4.1.5 基于动态轮廓的跟踪
• 4.2 车辆跟踪
• 4.2.1 快速归一化互相关
• 4.2.2 跟踪模板实时更新
• 4.3 跟踪预测
• 4.3.1 线性预测
• 4.3.2 Kalman 滤波预测
• 4.3.2.1 Kalman 滤波简述
• 4.3.2.2 Kalman 滤波器方程
• 4.3.2.3 Kalman 滤波在轨迹预测中的实现
• 4.4 车辆遮挡处理
• 4.4.1 遮挡情况判定
• 4.4.2 严重遮挡处理
• 4.5 完整的跟踪算法
• 4.6 实验结果
• 4.6.1 预测迭代次数对比
• 4.6.2 目标形变跟踪效果
• 4.6.3 遮挡跟踪的鲁棒性
• 4.6.4 跟踪效果对比
• 4.7 本章小结
• 第5章 运动车辆行为状态分析
• 5.1 行为模式研究现状
• 5.1.1 人体行为分析研究现状
• 5.1.2 其他视频行为分析研究现状
• 5.2 有限状态自动机
• 5.3 车辆行为表达与分析
• 5.3.1 车辆状态转变判定
• 5.3.2 车辆状态判定效果
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 工作创新
• 6.3 工作展望
• 参考文献
• 攻读学位期间公开发表的论文及参与科研项目
• 致谢