基于视频图像处理技术的运动车辆检测与跟踪算法研究

《基于视频图像处理技术的运动车辆检测与跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于视频图像处理技术的运动车辆检测与跟踪算法研沈阳师范大注硕士学位论文基于视频图像处理技术的运动车辆检测与跟踪算法研究姓名：程研申请学位级别：硕士专业：计算机应用技术指导教师：杨姝20100301基于视频图像处理技术的运动车辆检测与跟踪算法研究中文摘要智能交通系统主要应用计算机视觉和视频图像处理等技术來监控道路交通运输状况、采集交通信息并且做出相应的交通管理决策，从而解决目前交通运输快速发展所引发的各种问题。运动车辆检测与跟踪则是智能交通系统中的重要组成部分，成为了国内外的热点硏究领域。木文对固定摄像头下的运动车辆检测与跟踪技术做了深入的研究，提出了基于视频图像处理技术的运动车辆检测与跟踪算

2、法，本文完成的主要研究工作有以下两个方面:定点算法的运动车辆检测方法，并使用光谱兀余方法解决了独立成分分析检测结果通道不确定的问题。该方法将交通图像序列看作是由背景图像和运动车俩图像混合而成的观测信号，用独立成分分析方法分离出背景图像和前景运动车辆图像，由于分离岀的前景图像中包含有少量的路面信息，又一次结合光谱冗余方法去除了少量的路面信息，最终实现了运动车辆的检测。基于独立成分分析的运动车辆检测方法有较强的抵抗图像背景灰度变化的能力，即使在外界天气、光照明显变化的情况下，依然可以准确、清晰地检测出运动车辆，具有较好的鲁棒性，是一种有效的运动车辆检测方法。(2)在运动车辆的跟踪中，根据卡尔曼滤

3、波器的原理，提出了基于卡尔曼滤波器与特征的运动车辆跟踪算法。本文选取了车辆的颜色和质心作为匹配特征，颜色特征具有一定的矩不变特性，当车辆的行驶状态发生变化时这个特性也保持不变；质心特征描述了运动车辆的位置。而卡尔曼滤波器可以根据当前帧图像中目标车辆的位置来预测下一帧图像中目标可能出现的大概区域，这样就可以在该预测的区域内进行特征匹配，搜索目标车辆，而不必在整个图像中进行特征匹配和搜索，因此，缩小了搜索范圉，减少了处理时间，从而提高了算法的运行效率。经过大量实验证明，本文提岀的运动车辆检测与跟踪算法具有准确性、鲁棒性和实时性，检测与跟踪的结果也比较理想，是一种行之有效的运动车辆检测与跟踪算法。

4、关键词：运动车辆检测，运动车辆跟踪，独立成分分析，卡尔曼滤波算法,光谱冗余AlgorithmResearchofMovingVehicleDetectionemdTrackingBasedonVideoImageProccssingThetechnology,visionandimageprocessing,TechnologyAbstractmainlyincludingcomputerisappliedintointelligenttrafficsystemUTS)forsupervisionofthestateoftransportation,collectingoftrafficin

5、fonnationtomakethecorrespondingdecision,whichcanhandlekindsofproblemsarisingfromthetransportation.VehicledetectionandtrackingplayimportantpartinITS,andhavebecomethehotspotinresearchdomainathomeandabroad.Inthispaper,underthefixedcamera,adeeplyworkonvehicledetectionandtrackingisachievedbyusthatisasfo

6、llows:(1)Forvehicledetection，ciccordingtoindependentcomponentanalysistheory,weproposeakindofmethodtodetectvehiclefromthevideosequences.Andusespectralredundancytoresolvetestresultsbasedonindependentcomponentanalysisofchanneluncertainproblem.Ourschemeusesthebackgroundimagesandthevideoredundemeytoobta

7、insequencesasobservationsignals,andemploysICAandspectraltheforeground.SincesometimesthereareresidualroadinformationintheICAforegroundrcsults，weagainemployspectralredundancytoremovethem.Thehasmovingvehiclede