交通视频监控中车辆检测与跟踪的研究

论文摘要

智能交通系统(ITS: Intelligent Transportation System)是一种在大范围、全方位发挥作用的,实时、准确、高效的综合运输和管理系统,它通过运用先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理等技术,对整个交通运输管理体系进行准确、有效、安全地监控和管理。车辆的检测与跟踪是智能交通系统中最核心、最关键的技术之一,这项技术的性能优劣直接关系到整个系统能否有效地运行,因此车辆检测和跟踪技术的研究对智能交通系统具有重要的意义和价值。本文首先采用一种适用于复杂交通场景的多层次背景模型提取算法提取出背景,该算法具有快速准确的特点;然后采用一种用于车辆检测的选择性背景更新方法,可以有效地处理光照变化等因素引起的背景缓慢变化以及背景局部突变的问题,并具有良好的实时性。其次,对于车辆检测,本文首先去除车辆阴影,然后利用上述算法提取的背景,采用一种改进的对称差分法和背景帧差相融合检测车辆运动区域,并使每一个运动目标成为独立的连通域,最后采用改进的两次扫描法分割目标车辆,并在此基础上进行种子填充,解决由于车辆表面与路面灰度接近而产生的运动目标“孔洞”问题,进而得到更准确的车辆检测结果。该算法可以适应各种复杂的交通道路场景。最后进行车辆跟踪。本文使用模板匹配的方法实现对车辆的跟踪,在该算法中引入几个参数描述车辆的整体特征(如运动目标的质心,长宽比等)来建立匹配模板,实现下一帧车辆的匹配,并在匹配完成后实时更新模板,为下一帧的车辆匹配做好准备。在匹配过程中针对车辆间互相遮挡的问题,采用一种基于匹配的方法分割遮挡目标,以使车辆匹配取得更好的效果。整个算法需实现在DSP上的高效运行,本文最后结合TMS320DM6437嵌入式系统介绍了算法的优化方法,包括编译器选项优化、少使用函数调用、编写汇编代码和EDMA乒乓操作等,并通过统计算法时间性能的方式测试优化效果。实验结果表明,优化后的本文算法具有较好的实时性和稳定性。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 课题研究背景与意义
• 1.1.1 智能交通系统的意义和相关应用
• 1.1.2 智能交通系统在国内外的发展状况
• 1.2 车辆检测与跟踪技术的研究现状
• 1.2.1 背景模型的初始化及更新技术
• 1.2.2 车辆检测技术
• 1.2.3 车辆跟踪技术
• 1.3 本论文的主要工作和各章内容安排
• 1.3.1 本文主要工作
• 1.3.2 各章内容安排
• 第二章 背景模型的初始化及更新方法
• 2.1 背景建模方法
• 2.1.1 常用的背景建模方法
• 2.1.2 多层次背景模型提取算法
• 2.1.3 实验结果与分析
• 2.2 背景更新方法
• 2.2.1 两种常用的背景更新方法
• 2.2.2 选择性背景更新法
• 2.2.3 实验结果及分析
• 2.3 本章小结
• 第三章 运动车辆检测
• 3.1 车辆检测方法
• 3.1.1 常用的车辆检测方法
• 3.1.2 改进的背景差分法
• 3.1.3 实验结果及分析
• 3.2 车辆目标的分割
• 3.2.1 常用的目标分割方法
• 3.2.2 传统的两次扫描法
• 3.2.3 改进的两次扫描法
• 3.2.4 基于两次扫描法的种子填充
• 3.2.5 两次扫描法的实验结果比较
• 3.3 阴影检测和消除
• 3.3.1 基于YUV 色彩空间的阴影检测算法
• 3.3.2 阴影检测算法的实验结果
• 3.4 运动车辆检测算法流程
• 3.5 本章小结
• 第四章 运动车辆跟踪
• 4.1 常用的跟踪方法
• 4.1.1 基于特征匹配的跟踪方法
• 4.1.2 基于区域匹配的跟踪方法
• 4.1.3 基于主动轮廓匹配的跟踪方法
• 4.1.4 基于Kalman 预测的跟踪方法
• 4.2 运动车辆的匹配与跟踪
• 4.2.1 遮挡车辆的分割方法介绍
• 4.2.2 车辆跟踪算法步骤
• 4.2.3 实验结果与分析
• 4.3 本章小结
• 第五章 基于TMS320DM6437 的车辆检测和跟踪算法实现
• 5.1 基于TMS320DM6437 的嵌入式系统
• 5.1.1 TMS320DM6437 处理器
• 5.1.2 系统外设
• 5.2 算法针对TMS320DM6437 系统的优化
• 5.2.1 集成开发环境CCS
• 5.2.2 算法的优化方法
• 5.2.3 本文算法的优化
• 5.2.4 算法的时间性能统计及实验结果
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 本文的主要工作
• 6.2 对未来工作的展望
• 参考文献
• 攻读硕士学位期间发表的论文