基于视频的运动车辆检测与跟踪技术研究

论文摘要

运动车辆的检测与跟踪是现代智能交通系统的重要组成部分。本文在分析和总结现有的车辆检测和跟踪技术的基础上,重点研究了摄像头固定下运动车辆的检测和跟踪技术,完成的主要研究工作如下:(1)运动车辆检测技术研究研究并提出了一种基于帧差法与背景差分法相结合的车辆检测方法,首先利用基于帧差法的自适应背景更新模型提取与更新背景,然后利用背景差分法得到前景运动区域。对分割出的前景区域采用基于HSV颜色空间特征的阴影检测方法检测并去除车辆阴影,获得车辆的真实运动区域。最后利用形态滤波和外接矩形提取方法准确地获得运动车辆的外接矩形,并将此作为车辆检测的最终结果。(2)运动车辆跟踪技术研究研究并提出了一种基于灰色预测GM(1,1)模型与多特征匹配相结合的车辆跟踪方法。首先利用GM(1,1)模型作为运动估计模型,对运动车辆的位置进行预测,通过预测得到的车辆目标和当前帧中的车辆目标进行匹配,寻找运动车辆在图像序列中各帧中的对应关系,确定其运动轨迹,进而可以得到车速、车流量等重要的交通参数。在进行目标匹配时采用了基于多特征的匹配方法,采用运动车辆的灰度直方图、面积与形状等特征在图像中进行匹配,从而实现对运动车辆的准确匹配。(3)基于视频的车辆检测与跟踪系统的设计与实现根据以上提出的车辆检测与跟踪算法,设计并实现了基于视频的车辆检测与跟踪系统,该系统能够对运动车辆进行准确检测和有效跟踪,并且可以直观地看到车辆检测与跟踪算法的实际效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 课题相关领域研究现状
• 1.2.1 智能视频监控研究现状
• 1.2.2 目标检测与跟踪方法研究现状
• 1.3 课题来源
• 1.4 本文主要研究内容
• 1.4.1 研究目标
• 1.4.2 研究内容
• 第2章 运动车辆检测技术研究
• 2.1 运动车辆检测方法综述
• 2.1.1 光流法
• 2.1.2 背景差分法
• 2.1.3 帧间差分法
• 2.1.4 本文选用的车辆检测方法
• 2.2 常用的几种背景更新模型
• 2.2.1 统计平均法背景模型
• 2.2.2 高斯分布背景模型
• 2.3 基于帧差法的自适应背景更新模型
• 2.4 阴影的检测与去除
• 2.5 形态滤波
• 2.6 车辆外接矩形求取
• 2.7 运动车辆检测算法试验结果
• 2.8 本章小结
• 第3章 运动车辆跟踪技术研究
• 3.1 运动车辆跟踪方法综述
• 3.1.1 基于模型的跟踪
• 3.1.2 基于区域的跟踪
• 3.1.3 基于活动轮廓的跟踪
• 3.1.4 基于特征的跟踪
• 3.2 基于GM（1,1）模型与多特征匹配相结合的车辆跟踪算法
• 3.2.1 基于卡尔曼滤波的跟踪模型
• 3.2.2 基于GM（1,1）模型的跟踪模型
• 3.2.3 两种模型的实验结果及性能比较
• 3.2.4 运动车辆的多特征提取
• 3.2.5 运动车辆的多特征匹配规则
• 3.2.6 遮挡问题的处理
• 3.3 基于车辆跟踪的交通参数提取
• 3.3.1 车辆运行轨迹
• 3.3.2 车速
• 3.3.3 车流量
• 3.4 运动车辆跟踪算法实验结果
• 3.5 本章小结
• 第4章 视频车辆检测与跟踪系统的设计与实现
• 4.1 系统概述
• 4.2 系统硬件设备与软件开发平台
• 4.2.1 硬件设备
• 4.2.2 软件开发平台
• 4.3 系统主要功能模块的设计与实现
• 4.3.1 视频采集模块
• 4.3.2 车辆检测模块
• 4.3.3 车辆跟踪模块
• 4.3.4 数据存储模块
• 4.4 系统运行界面和实验结果
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢