基于混合高斯模型和粒子滤波理论的视频车辆跟踪算法

论文摘要

车辆跟踪是智能交通系统（ITS,Intelligent Transportation System）中的重要技术,而其中基于视频检测的车辆轨迹跟踪技术由于信息量大、可用范围广,成为许多国家的研究热点。本课题研究的目的在于针对ITS领域中的关键技术,研究基于视频的运动车辆轨迹获取的相关问题。为实现视频的自动检测交通流和交通事件等提供算法前提。本文详细分析了运动车辆轨迹获取中较为常用的方法,根据实验和分析,得到了适合实际应用的视频车辆跟踪算法,本文主要的研究内容包括以下几个方面:（1）根据算法调试、对比及实际应用的要求,使用C++编程语言设计程序,并在Windows系统上设计算法可视化调试平台,然后将程序移植到Linux系统实现调试应用。（2）使用简单的模板匹配算法和图像的仿射变换算法对抖动的视频进行防抖处理,以输出稳定的图像。（3）采用以高斯混合背景模型理论为基础的运动车辆检测算法,实现视频中运动车辆检测,为算法后续操作提供基础信息,通过程序实现将该方法与其它常用方法进行比较分析。（4）使用以光流法为基础结合图像金字塔操作的特征点跟踪模块,该模块能够得到精确的车辆位置变化信息,设计程序实现该算法模块功能,完成轨迹精确位置的获取。（5）利用粒子滤波算法得到车辆运动趋势信息的预测,将该算法与以图像特征为基础的模板匹配算法进行比较分析,评价算法的可行性,增强算法的鲁棒性。本文中基于混合高斯模型的运动车辆检测算法具有较强的适应性,结合粒子滤波的预测功能在提高整个算法鲁棒性的同时,使用特征的跟踪算法为车辆轨迹增加了更为丰富的信息。由于算法整体性能的提高,使其成为实际检测应用中可靠的依据。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及意义
• 1.1.1 课题来源
• 1.1.2 课题意义
• 1.2 国内外研究现状
• 1.2.1 视频检测系统研究现状
• 1.2.2 运动车辆分割研究现状
• 1.2.3 运动车辆跟踪研究现状
• 1.3 本课题主要研究内容
• 第2章 图像处理基础及跟踪算法结构
• 2.1 引言
• 2.2 常用数字图像处理技术研究
• 2.2.1 图像空间转化
• 2.2.2 中值滤波
• 2.3 跟踪算法程序设计
• 2.3.1 跟踪算法程序原理分析
• 2.3.2 跟踪算法程序结构设计
• 2.3.3 使用C++语言的程序实现
• 2.4 本章小结
• 第3章 图像源抖动校正及基本变换
• 3.1 引言
• 3.2 抖动分析和抑制策略
• 3.2.1 交通监控视频图像序列的特点
• 3.2.2 视频图像抖动抑制策略
• 3.3 图像配准策略和模板匹配算法
• 3.3.1 图像配准策略及“两辆相邻配准原则”
• 3.3.2 简单的灰度模板匹配方法
• 3.4 仿射变换参数模型
• 3.5 本章小结
• 第4章 运动车辆提取
• 4.1 引言
• 4.2 几种常用的视频运动物体的检测方法
• 4.2.1 帧间差分法检测
• 4.2.2 光流法检测
• 4.2.3 背景差分法
• 4.3 高斯混合背景模型
• 4.3.1 高斯混合模型
• 4.3.2 在线EM更新高斯混合模型的参数
• 4.3.3 彩色RGB空间高斯混合模型
• 4.3.4 实验分析
• 4.4 本章小结
• 第5章 根据特征的运动跟踪检测
• 5.1 引言
• 5.2 灰度值模型的图像模板匹配法
• 5.2.1 匹配的一般模型
• 5.2.2 归一化相关法
• 5.2.3 序贯相似性检测法
• 5.3 光流法对车辆位置的判断
• 5.3.1 算法描述
• 5.3.2 算法实现流程
• 5.3.3 算法应用及效果
• 5.4 本章小结
• 第6章 基于滤波理论的运动轨迹预测
• 6.1 引言
• 6.2 粒子滤波
• 6.2.1 粒子滤波计算模型
• 6.2.2 粒子因子和粒子滤波
• 6.2.3 基于粒子滤波的运动车辆信息预测
• 6.3 运动车辆轨迹的应用
• 6.3.1 车辆违规逆性事件检测
• 6.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢