论文部分内容阅读
随着计算机视觉技术,通信技术的迅速发展,监控技术正经历着前所未有的改变,智能交通系统(ITS)正是在这样的发展环境下被世界所提出并给予极大的关注。智能交通系统集人工智能技术、自动控制技术、计算机技术、信息与通信技等多种前沿技术一起旨在形成了一个全新的强大的实时、准确、高效的综合交通运输管理系统。运动目标的检测与跟踪作为智能交通系统的核心和关键,本文就此课题做了以下几方面的研究。首先深入研究了运动目标检测与跟踪的发展背景和发展趋势,并对目前国内外典型的运动目标检测与跟踪算法进行了研究与分析。然后针对交通领域中静止背景下的车辆检测与跟踪设计了一整套流程,对相关算法进行了深入研究并在Windows环境下利用VC++软件开平台和OpenCV开源软件开发包进行了编程实现。在预处理模块中,研究了视频图像格式转换,平滑滤波处理,减少了随机噪声,环境噪声的干扰。重点研究了基于颜色直方图的自适应OTSU最大类间方差阈值法,使提取的前景运动目标有较好二值化效果,进一步去除了噪声。在目标检测模块中研究了背景差分,帧间差分等几种常用检测算法并比较其优缺点。深入研究了混合高斯背景建模算法,并构建了一个与统计平均背景建模法相结合的自适应混合高斯背景建模运动目标检测模块,成功提取出前景运动目标。在运动目标跟踪模块中,重点深入研究了基于区域特征和kalman滤波相结合的目标跟踪算法。首先对前景运动目标二值图像进行有效区域分割,然后设置面积阈值和长宽阈值进一步滤除虚假前景目标。对保留的前景目标求取最小外接矩,形心,面积等特征并利用kalman滤波器建立预估计模型,使特征和搜索框达到最优值。最后利用连续帧中目标运动特点研究了相关的特征匹配算法。整体跟踪系统能对平直车道,转弯车道,车辆大小形变,车辆颜色与背景环境相似等环境下对车辆进行跟踪,取得了较好的效果。