原文传递
基于HSV颜色空间的视频车辆检测与跟踪算法研究
| 论文题名： | 基于HSV颜色空间的视频车辆检测与跟踪算法研究 |
| 关键词： | 智能交通系统;车辆检测;车辆跟踪;阴影检测;卡尔曼滤波器;交通监控 |
| 摘要： | 智能交通系统 ITS (Intelligellt Trmlsportation System) 是计算机视觉技术、图像处理技术、通信技术在交通领域的应用，其目的在于充分利用现有的道路设施资源，改善车、路、人之间的相互作用，从而从整体上提高交通的经济性。在智能交通系统中，对运动车辆实现无人监控是当今研究的热点问题，本文针对交通监控系统中运动车辆的检测与跟踪算法展开以下研究： 1、提出了基于HSV颜色空间的背景提取与车辆检测。与目前大多数的RGB颜色空间的背景提取与车辆检测方法相比较，基于HSV颜色空间的背景提取与车辆检测是一种比较有效、新颖的方法。在背景提取中，利用背景图像的像素点基本符合高斯分布的特点，为每个像素点的H、S、V分量建立混合高斯模型；对于背景、前景的判断，充分利用颜色信息，以达到最佳的背景提取效果。在背景更新算法中，考虑了学习率的问题，并且有效的利用原背景的像素点，有效的避免了偶然因素对背景的影响，增强了算法的鲁棒性。 2、在车辆检测出来以后，对于阴影的处理，本文提出了一种改进的HSV颜色空间的阴影检测算法，即在原有的HSV颜色空间的阴影检测算法的基础上，引入了一阶梯度剪除算法，增强了原算法的有效性和鲁棒性。同时，与RGB颜色空间相比，在HSV颜色空间下处理阴影，其算法更加简单、快速、有效，这也与背景提取和车辆检测的颜色空间相一致，增加了整个算法处理的效率。 3、在车辆跟踪方面，首先计算选定的ROI区域的H分量的色彩直方图，并将其扩展为整个原始图像的色彩概率分布。然后运用均值平移算法计算被跟踪目标的质心，并将质心坐标和窗口大小作为离散卡尔曼滤波器的特征向量，最后利用离散卡尔曼滤波器实现对运动目标的跟踪。 实验表明，本文的算法在背景提取、车辆检测、阴影检测的准确性、鲁棒性上，以及在车辆跟踪的效果上，都具有很好的表现，能适用于复杂场景、多运动车辆的检测和跟踪。 |
| 作者： | 赵作升 |
| 专业： | 通信与信息系统 |
| 导师： | 王国宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国海洋大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
