基于视频的车辆检测与跟踪算法综述

被引：22

作者：

董春利 ^{[1
,2
]}

董育宁 ^{[1
,3
]}

机构：

[1] 南京邮电大学通信与信息工程学院

[2] 南京交通职业技术学院信息工程系

[3] 苏州大学江苏省计算机信息处理技术重点实验室

来源：

关键词：

智能交通系统; 交通检测系统; 车辆检测; 车辆跟踪;

D O I：

10.14132/j.cnki.1673-5439.2009.02.014

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向。在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点。最后,展望了这一领域未来研究的热点。

引用

页码：88 / 94

页数：7

共 8 条

[1] 基于动态模板与位置预测的运动目标识别与跟踪
陈永雷
胡云安
赵永涛
[J]. 海军航空工程学院学报, 2007, (02) : 230 - 232+288
[2] 一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法
袁基炜
史忠科
[J]. 控制与决策, 2006, (03) : 300 - 304
[3] 再谈ITS的几个基本理论问题
贺国光
[J]. 交通运输系统工程与信息, 2004, (02) : 17 - 24
[4] 2004:中国智能交通发展趋势
朱茵
陆化普
[J]. 综合运输, 2004, (02) : 10 - 15
[5] 基于路面标记的车辆检测和计数
郁梅
蒋刚毅
贺赛龙
[J]. 仪器仪表学报, 2002, (04) : 386 - 390+399
[6] MODEL-BASED OBJECT TRACKING IN MONOCULAR IMAGE SEQUENCES OF ROAD TRAFFIC SCENES
KOLLER, D
DANIILIDIS, K
NAGEL, HH
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 1993, 10 (03) : 257 - 281
[7] A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking. Arulampalam,M,Maskell,S,Gordon,N,Clapp,T. IEEE Transactions on Signal Processing . 2002
[8] Visual tracking andrecognition using appearance-adaptive models in particle filters. Zhou S K,Chellappa R,Moghaddam B. IEEE Transactions on Image Processing . 2004