论文部分内容阅读
近年来,人们生活水平普遍提高了,车辆数量也随之的急剧上升。交通拥堵,交通事故频繁等现象也随之而来。为了解决诸如交通问题,智能交通这项技术应运而生。作为智能交通系统(ITS)中重要的技术,车辆检测与跟踪技术已成为近些年研究的热点。本文从车辆检测与跟踪算法的研究现状和难点出发,提出一种能满足视频监控系统对实时性和准确性要求的车辆检测与跟踪算法。本文的主要工作如下:1.对ViBe(Visual Background extractor)算法进行了改进,使ViBe算法对图像突变的情况更为鲁棒。本文通过ViBe检测前景点数目是否发生突变来判断图像是否发生突变,若发生图像突变,则初始化ViBe背景模型,确保背景模型能快速适应图像突变。同时,本文将原文中单一的更新速率拓展为两个更新速率,一个适用于图像正常时的更新速率,另一个为图像突变时的更新速率。2.提出了一种背景建模和机器学习相结合的车辆检测算法。先通过改进的ViBe背景建模算法得到运动目标区域,再通过Haar分类器对所得的运动目标区域做进一步识别,判断是否是车辆目标。机器学习算法对运动目标区域进一步识别提高了车辆检测算法的精度。同时,运动检测算法缩小了机器学习算法的检测范围,从而提升了车辆检测算法实时性。因此,本文提出的车辆检测算法能同时满足视频监控系统对实时性和准确性的要求。3.提出一种简单跟踪算法和金字塔L-K相结合的车辆跟踪算法。通过简单跟踪算法获得车辆目标的初始位置,再将目标的初始位置作为金字塔L-K算法跟踪的跟踪区域,完成车辆目标后续的跟踪。本文采用的金字塔L-K跟踪算法的精度较高,可以满足视频监控系统对精度的要求。实验结果表明,本文提出的车辆检测与跟踪算法的检测与跟踪效果可行,能满足视频监控系统实时性和精度的要求。因此,能应用到实际场合中。