基于粒子滤波的智能车辆检测与跟踪

来源 :西南交通大学 | 被引量 : 0次 | 上传用户:neverdrop920
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于视频的车辆检测与跟踪技术属于模式识别与计算机视觉的研究范畴,许多学者花费了很大的心力对其做了深入的研究。由于基于视频的检测与跟踪技术具有成本低,速度快等优点,其已经成为了当今智能交通控制领域的重要组成部分。但是因为视频信号中的背景噪声、光照变化等随机因素相对较多,所以不同的算法在准确性和收敛性上存在很大的差异。本文首先用广义GAMMA混合模型代替高斯混合模型,对视频序列做背景建模,然后对车辆进行检测,再后,使用粒子滤波算法对检测结果进行了跟踪,最后通过基于GPU的并行算法改进了粒子滤波算法的运行速度,改进了整体算法的效能,得到了更好的结果。基于视频智能车辆检测系统中,一般采用背景差法进行检测。这种方法需要分别对车辆与背景进行建模,常用的模型是高斯混合模型。本文在使用高斯混合模型进行车辆检测的基础上,使用广义GAMMA混合模型代替高斯混合模型,并通过EM算法对广义GAMMA混合模型的参数进行估计。这种方法能够克服高斯混合模型的对阴影识别能力差的缺陷,得到更好的检测结果。最后,通过仿真实验证明了这种算法的可靠性和优越性。在检测出运动车辆后,一般的步骤是要进行对车辆的跟踪。由于车辆跟踪算法一般使用Kalman滤波理论及其改进,因此,首先,要对车辆的运动方式进行建模,建立状态转移方程和观测方程,然后应用滤波算法对目标车辆进行跟踪。1993年,Gordon等人在序贯重要性采样之后加入了重采样步骤,完善了粒子滤波算法,使其成为在非高斯和非线性环境下,也就是更接近实际应用的情况下,进行车辆跟踪的更好的算法。本文就是在学习了基本的运动状态建模和粒子滤波理论的基础上,通过仿真实验实现了基于粒子滤波算法的车辆跟踪。但是,粒子算法由于需要对许多粒子点进行重要性采样,因此其运算速度较慢,实时性不好。因此,本文通过对基于GPU的并行算法编程研究,实现了粒子滤波算法的并行计算,改善了其性能。最终完成了整体算法的改进。
其他文献
随着计算机网络技术和多媒体技术的飞速发展,数字音频的传播变得极其便利,同时,由于各种音频处理软件的广泛应用,使得对于音频作品的侵权也更加容易。因此,对于音频作品的保
量子智能优化算法与其对应的经典优化算法相比具有更好的种群多样性;种群分散性好,小种群染色体可以对应多个搜索状态;更具并行性;收敛速度更快;具有极强的全局搜索能力等优
随着基于位置的服务的兴起,室内定位技术便成为了研究的热门领域。其中,基于WLAN的室内定位技术虽然具有精度较高,成本较低,且不需添加额外设备等优势,但位置指纹数据库Radio
本文从理论和仿真实验上对TD-SCDMA系统信道估计的去噪和快衰落环境下信道估计以及TD-LTE系统中线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)信道估计进行了研究
随着各类视频、社交媒体应用的兴起,移动通信网中面向内容的数据流量需求持续扩大。如何高效地完成海量内容的分发是移动通信网络面临的挑战。本论文基于跨层设计的思想提出了
TETRA数字集群通信标准是目前国际上主流的数字集群标准,也是我国数字集群通信的通用标准之一。TETRA系统是欧洲通信标准协会(ETSI)为了满足欧洲各国的专业部门对移动通信的
图像配准技术的研究是模式识别和计算机视觉领域中的最困难也最重要的课题之一。目前,广泛应用在视频压缩、图像复原、医学图像分析等多个领域,是图像数据层融合技术中首要解
在捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)和GPS(Global Positioning System)组成的SINS/GPS组合导航系统中,存在系统误差模型、伪距观测方程等非线
智能视觉监控是计算机视觉领域的研究热点之一,它在不需要人工干预的情况下,通过分析摄像机拍摄的视频序列对监控场景中的运动目标进行检测、跟踪和定位,并在此基础上对目标
本文通过分析数据传输控制系统在各个领域的应用,结合无线电测向站系统的实际需要,主要研究了数据传输控制单元在无线电测向站中的应用,设计并实现了基于FPGA的高效率、低冗余的