基于视频图像的运动车辆检测和跟踪算法研究

论文摘要

基于视频图像的交通信息检测技术由于其检测范围广、采集信息丰富、安装维护方便等优点受到广泛关注。而运动车辆检测和跟踪是实现交通信息采集和检测的关键技术和难题。本文以摄像机获取的交通场景视频图像为研究对象,对所涉及的背景提取和更新、阴影消除、车辆检测、车辆跟踪等关键技术进行了深入的研究和分析。在研究传统背景提取算法的基础上,给出了一种将统计直方图和多帧平均法相结合的背景提取算法。算法在直方图若干个极大值中,利用多帧平均法进一步确定多个极大值中对应是背景的置信度,从中选出置信度最大的作为最终背景图像。对背景差分图像利用迭代式阈值选择算法进行二值化处理。由于光照和照明设备的影响,误将阴影当作目标,本文给出了梯度法结合线扫描的算法来去除车辆阴影。然后,针对二值化图像,进行连通区域标记,检测出运动目标,并在此基础上利用基于卡尔曼滤波器的车辆跟踪算法,实现了对目标的实时跟踪,为进一步进行交通事件检测和分析提供了基础。本文给出的算法在车流量较大、车辆容易发生遮挡和粘连的交通场景进行了实验。实验结果表明：该算法能够较好地解决车辆遮挡和粘连问题,实现对运动车辆的实时检测和跟踪。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 作者所做的工作及论文结构安排
• 第二章 基于视频的交通事件和交通参数检测系统
• 2.1 系统概述
• 2.1.1 系统设计目标
• 2.1.2 系统主要功能分析
• 2.2 系统结构
• 2.2.1 系统的硬件架构
• 2.2.2 系统的软件模块
• 2.3 系统工作流程
• 2.4 本章小结
• 第三章 运动车辆检测算法研究与实现
• 3.1 运动目标检测算法概述
• 3.1.1 帧差法
• 3.1.2 背景差分法
• 3.1.3 光流法
• 3.1.4 其他方法
• 3.2 背景提取算法研究
• 3.2.1 常用的背景提取算法
• 3.2.2 常用背景提取算法分析比较
• 3.2.3 改进的背景提取算法
• 3.2.4 数据实验结果分析
• 3.3 背景更新算法研究
• 3.3.1 常用的背景更新算法
• 3.3.2 改进的背景更新算法
• 3.3.3 数据实验结果分析
• 3.4 基于背景的车辆检测算法研究
• 3.4.1 基于背景的二值化
• 3.4.2 车辆阴影去除
• 3.5 本章小结
• 第4章 运动车辆跟踪算法研究与实现
• 4.1 运动目标分割
• 4.1.1 连通区域标记
• 4.1.2 标记目标处理
• 4.2 运动日标跟踪算法概述
• 4.2.1 基于特征的跟踪方法
• 4.2.2 基于3D的跟踪方法
• 4.2.3 基于主动轮廓的跟踪方法
• 4.2.4 基于运动估计的跟踪方法
• 4.3 基于卡尔曼运动估计的跟踪方法
• 4.3.1 卡尔曼滤波基本原理
• 4.3.2 基于卡尔曼滤波的车辆跟踪算法
• 4.3.3 数据实验结果分析
• 4.4 本章小结
• 第五章 测试与分析
• 5.1 系统测试说明
• 5.2 算法耗时测试
• 5.3 交通流宏观参数提取结果测试
• 5.3.1 车流量测试
• 5.3.2 车速测试
• 5.3.3 占有率测试
• 5.4 测试误差分析
• 第六章 总结与展望
• 6.1 总结
• 6.2 后续工作的展望
• 致谢
• 参考文献