车载摄像机所摄取视频中的实时车辆检测与跟踪是智能交通领域的一个重要研究课题,是解决交通安全问题的一种重要手段,在车辆辅助驾驶、危险报警等方面有着很好的应用前景。本文以高速公路上车辆辅助驾驶为应用背景,提出了一个基于车道区域分析的目标检测和跟踪的整体框架,并在此基础上提出了相应的目标检测和跟踪算法。论文的主要内容如下:1、基于车道图像的特点,根据车道边界的检测结果进行车道区域分析,提出了一个实时车辆检测与跟踪的整体算法框架。在基于哈夫变换的车道边界检测中,利用改进的Sobel算子进行边缘检测,并结合基于多高斯模型的车道图像象素分类方法进行预处理,增强了算法的抗干扰性能。2、提出了一个整体分类器与局部分类器融合的目标检测算法。整体分类器使用Adaboost级联分类器结构;在车辆局部分类器构建中,首先利用类SIFT特征对车辆局部块进行描述,然后结合Adaboost算法和BP神经网络进行有效局部块的自动选择和局部分类器的融合。整体分类器与局部分类器融合的方法既保证了检测的快速进行,同时能够抽取更多有效的局部特征,增加分类器的判别能力。3、实现了基于Kalman滤波的车辆跟踪算法。在Kalman滤波的观测过程中,提出了基于Adaboost置信度图和基于车辆局部阴影的观测算法,两种方法的结合保证了算法的适用性。算法中,改进了最大稳定极值区域(MSER)方法进行车辆局部阴影的检测,取得了不错的检测效果。4、根据以上算发研究成果,设计并实现了一个实时侧后方车辆检测与跟踪系统,用不同环境下的视频进行测试并取得了不错的效果。