论文部分内容阅读
视频图像中的车辆检测与跟踪是智能交通领域中的关键技术和主要研究方向。检测和跟踪是实现车辆跟踪过程中不可或缺的两个部分,车辆检测模块可以实时检测视频序列帧中出现的车辆,获得目标参数,并将信息传递给车辆跟踪模块,由它对车辆进行匹配和跟踪,进而获得车辆的运动轨迹。本文从软件需求分析、软件设计、软件实现及测试等方面出发,设计实现了基于视频的车辆检测与跟踪系统。论文的具体工作如下:第一,从实际应用的角度出发,重点介绍了运动目标检测与跟踪领域中比较受欢迎的TLD(Tracking-Learning-Detection)跟踪模型,为后面的章节做铺垫。第二,设计基于视频的车辆检测与跟踪系统。从需求分析的角度出发,针对TLD跟踪模型不能自动初始化目标区域的问题,设计使用Kalman滤波背景建模方法用于车辆检测。针对TLD跟踪模型对目标严重遮挡跟踪失败的情况,设计使用GM(1,1)灰色预测模型进行预测。第三,实现基于视频的车辆检测与跟踪系统。在VS2008集成开发环境下,采用MFC(Microsoft Foundation Classes)应用程序框架及OpenCV计算机视觉库,结合开源的TLD跟踪算法,实现了基于视频的车辆检测与跟踪系统。设计CarDetect类和CBGModel类用于车辆检测,设计GrayModel类实现对车辆位置的预测。系统主要由欢迎界面、车辆检测界面和车辆跟踪界面组成,可以实现显示控制、车辆检测、播放控制、车辆跟踪等基本功能。第四,对基于视频的车辆检测与跟踪系统进行测试。给出了系统的测试环境和测试方案,利用手机拍摄的视频和TLD开源算法自带的车辆视频分别对车辆检测模块和车辆跟踪模块进行测试,并比较原始TLD跟踪算法和本文改进的TLD跟踪算法在跟踪性能上的效果,结果表明,本文改进的TLD跟踪算法可以在丢失率为0的情况下实时连续地跟踪视频中的车辆,极大地提高了长期跟踪的性能,在实际生活场景中有重要的应用价值。