原文传递
智能交通系统中基于计算机视觉的车辆检测与跟踪
| 论文题名： | 智能交通系统中基于计算机视觉的车辆检测与跟踪 |
| 关键词： | 背景差法;车辆检测;模糊积分;车辆跟踪;智能交通系统;计算机视觉 |
| 摘要： | 与传统的车辆检测器相比，基于视频图像处理与视觉技术的车辆检测器具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点，因而近年来在智能交通系统(ITS)中得到了越来越广泛的应用。本文介绍了近年来提出的一些主要的基于计算机视觉的车辆检测与跟踪技术，并根据核心处理方法（基于特征、区域或模型等）及处理域（空域、时域）的不同对这些技术进行了分类，分析比较了各种方法的优缺点。提出了一种在复杂交通场景中基于视频图像处理的检测与跟踪车辆的新方法，首先用改进的背景差法进行运动分割，背景的更新采用选择更新的方法，接着用“背景相似法”提取出运动区域。然后对提取出的ROI(region of interest)依照模糊判别准则进行误检测判定，最后用基于区域的跟踪方法进行车辆跟踪。由于表示运动车辆的区域块的行为较为复杂，遮挡或误检会造成时域上区域块的融合和分裂，单纯依靠帧与帧之间最相似的区域块进行匹配的方式来跟踪车辆已经远远不够。在这种情况下，本文提出了两种跟踪策略, 基本思想都是利用时域信息纠正空域分割时发生的车辆遮挡或误检。策略一利用 “确定车辆”、“临时车辆”规则解决车辆遮挡和误检问题，即第一次检测出的车辆都标记为临时车辆，只有连续多帧跟踪成功的车辆才能算是确定车辆，确定车辆在后续帧中若跟踪失败，则说明发生了遮挡或者误检，用车辆恢复机制来进行恢复。策略二是策略一的改进和扩展，在“确定车辆”和“临时车辆”规则的基础上，利用模糊判别法判断车辆是否发生了遮挡，进而将检测过程中的遮挡车辆划分为六种类型，跟踪过程中最大可能地保留了单个车辆的形状。与策略一相比策略二有着更好的健壮性，然而增加了计算量，两种策略可以根据道路的实际情况选择使用。试验结果表明本文所提出的方法简单有效，能实时提取交通信息。提取出的车辆数量、类型、速度等交通参数可以做作为智能交通系统(ITS)中高层交通管理和车辆控制的基础。 |
| 作者： | 王圣男 |
| 导师： | 蒋刚毅;郁梅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁波大学 |
| 学位年度： | 2004 |
| 正文语种： | 中文 |
检索历史
应用推荐
