智能交通系统是计算机视觉的一个重要研究领域,随着各大城市车辆增多,交通状况不断恶化,为了保障交通的高效性和安全性,以及交通监控智能化的要求,智能交通系统成为了国内外研究的热点领域,具有广阔的应用前景。通过三十多年的研究发展,我国在该领域也取得了长足的进步,并获得不少研究成果。但是,还远未达到成熟的地步,尤其是在运动目标的检测与跟踪、遮挡问题的解决等方面,仍需要不断的完善。本文就智能交通系统中的运动目标检测与跟踪两个关键技术环节进行了深入分析研究,针对传统的运动目标检测与跟踪方法中存在的一些问题,如计算量大,抗噪声、抗抖动性能弱等缺点,创新性地将独立分量分析和带参考信号的独立分量分析方法引入到运动目标检测与跟踪中来,开发了稳定的运动目标检测与跟踪方法,对非完全遮挡情况下的运动目标跟踪问题,也进行了深入地探讨,并在此基础上进行了实用的智能交通系统设计与开发。本文工作主要分为以下三个方面:本文将独立分量分析(Independent Component Analysis,ICA)引入到目标检测环节中,将各视频帧看作由前景目标图像和背景图像进行线性叠加而成的观测信号,对各视频帧和近似背景图像进行独立分量分析,从中分离出由前景运动目标组成的目标图像和背景图像的估计。由于独立分量分析算法是基于统计的盲源分离方法,因而本文提出的方法对背景模型和背景更新方法要求不高,即使在光强度变化很明显的情况下,也不会影响对目标的检测和提取。将视频帧看作由前景目标图像和背景图像等源信号线性叠加而成的观测信号,则运动目标跟踪可理解为,在已知某源信号先验信息的情况下,实现从观测信号中分离出该感兴趣的分量,属于带参考信号的盲源分离的研究内容。本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,将待跟踪目标视为先验信息,以待跟踪目标的平移、旋转不变矩作为参考信号,从视频帧中分离出与参考信号特征相匹配的运动目标,从而有效地实现了运动目标的跟踪。为了解决非完全遮挡情况下的目标跟踪问题,本文通过将目标分块,再以各个目标子块的平移、旋转不变矩作为参考信号,利用ICA-R方法从后续视频帧中提取出与参考信号匹配的目标子块,实现了对目标子块的跟踪,通过对非遮挡区域进行定位和对遮挡区域的恢复,从而实现了对整个目标的跟踪。实验结果表明,本文提出的目标检测与跟踪方法克服了常规方法的一些缺点,具有一定的理论意义和应用价值。