交通视频监控系统是智能交通领域的一个热门研究课题,运动目标的检测是此系统最基础和关键的问题。目前研究人员已提出许多运动目标检测算法,但由于交通视频场景的复杂性,检测结果容易被相机抖动、摄像机视角变化、车辆遮挡、光照变化等环境因素影响,给基于交通视频的车辆目标检测带来了巨大的挑战。针对上述情况,本文提出了一种基于特征点轨迹聚类的车辆检测方法,内容如下:(1)特征点轨迹获取:针对交通监控视频,采用ORB(Oriented FAST and RotatedBRIEF)算法、金字塔Lucas-Kanade光流算法对运动目标特征点进行检测并跟踪,建立运动目标特征点轨迹集。(2)轨迹3D信息提取:结合相机标定以及逆投影原理,将特征点轨迹逆投影至三维世界坐标系内的平面上,估算轨迹的三维信息。通过分析车辆特征点轨迹的刚性关系,提出选用轨迹逆投影速度、相对高度、轨迹位置作为轨迹特征构建特征向量。(3)基于谱聚类的轨迹初聚类及类间合并:根据车辆轨迹间的高度约束,对轨迹间的相似矩阵进行稀疏化处理,并采用Ncut准则对特征点轨迹进行初步聚类。基于车辆三维模型,对谱聚类结果进行类间合并处理,得出最终车辆检测结果和车辆轨迹。(4)交通信息提取:通过分析车辆轨迹中的三维信息,实现对车辆个体行为的判定、路段交通流参数的提取。上述研究方案有效地解决了交通视频监控系统中车辆检测以及交通参数获取的问题。检测过程结合特征点轨迹的3D信息,有效地将车辆实时检测精度提高至93%;通过分析运动轨迹实时获取交通参数,对深入分析路段交通状态、提高道路交通的安全性和通行能力,具有重要的应用价值。