计算机视觉发展的历史表明,研究领域不限的通用计算机视觉系统是不现实的,该文结合交通视觉监控,对路面交通场景动态图像序列中的车辆运动语义理解进行了深入的研究,涉及到了许多动态图像语义理解的基本问题,包括摄像机标定、运动检测和分割、目标定位、时空推理、场景恢复与表示、行为分析和建模、语义理解等等.该文的主要工作有:①提出了一种简单方便的适用于路面交通场景的摄像机参数求解方法;改进了运动检测的算法模块,使得其对光照有更好的鲁棒性;还提出了一种车辆定位的算法.②提出了利用一种改进的Kalman滤波器的车辆视觉跟踪算法(包括对车辆的运动建立动态模型),并与其他常用跟踪滤波器进行了比较.实验证明,由于引入了合理的正交性约束,使得这种改进的Kalman滤波器能够在复杂运动下具有更好的跟踪能力.③发展了一种高层语义理解的框架,引入了概念空间来实现从定量的几何描述到语义概念之间的映射,从而在传统计算机视觉和高层语义理解与推理之间架起一座桥梁.④研究了人类运动概念的抽象层次,合理地区分了普遍性程度(Generality)和复杂性程度(Complexity)两种人类语义概念中的不同角度的抽象层次,并在不同的处理过程中对其建立模型.⑤提出了采用时间间隔模型来对行为建模和识别的方法.这种方法可以非常方便地为多个运动目标之间的交互行为建模,并利用建立的模型进行行为识别.最后还利用简单的语法规则,自动产生对语义概念的自然语言描述.⑥研究并实现了一个基于三维线框模型的路面交通监控与行为理解系统平台,平台已经能够在PIV 1.7G的PC机256M内存配置下近乎实时(十几帧每秒)地跟踪单辆车,初步实现对特定场景下的物体行为作出简单的自然语言描述.