基于视频图像处理的车辆检测与跟踪方法研究

视频检测技术是机器视觉研究领域中一个十分活跃的分支，而基于视频的运动目标检测与跟踪技术在国民经济和军事领域的许多方面有着广泛的应用，因此这方面的研究普遍受到各国科学家的关注。同时，随着基于计算机视觉技术的智能交通系统的重要性日益显著，在静止相机拍摄的图像序列中进行运动车辆检测与跟踪成为研究的重要领域，起到承上启下的关键作用。本文基于图像处理领域的相关理论和方法，针对运动目标检测、跟踪和识别中存在的关键问题，如运动目标分割、阴影去除、跟踪和遮挡进行了相关的研究，并将研究结果应用到实际的智能交通系统中，文章主要研究工作包括以下几个方面： 1阴影去除方法 传统方法往往在运动识别的时候再去掉运动阴影，然而在城市复杂交通环境下存在高大建筑物的投射阴影和路旁灯光的影响以及天气变化，这些场景中光照的变化都会影响运动检测算法的性能。而通过固有图像去除光照变化的影响后再进行运动检测，将有助于实现鲁棒的视频监控。因此，本文基于固有图像提取的思路，提出将阴影的消除放在预处理阶段的方法。该方法利用色度比作为衡量彩色不变性的特征，首先在每个颜色通道进行高斯平滑去除噪声，然后将几何平均色度映射到对数色度比空间，在特征空间中进行投影得出一系列灰度图像，再通过计算投影数据的熵确定出光照无关角，进而得出去除阴影的固有图像，该图像只反映物理材料反射率的变化而与光照变化无关。最后通过非线性动态范围调整增强亮度和对比度，使结果更符合人类视觉，有利于进一步的检测和跟踪。仿真实验表明，本文提出的方法在城市交通环境下，能够有效的去除车辆自身运动阴影和周围建筑投射的阴影。 2前景提取方法 运动目标检测是智能交通监控中的重要环节。本文首先从稀疏背景建模的思想出发，对基于边缘检测的运动前景提取方法进行仿真实验。采用边缘作为图像的特征进行前景提取的方法具有高效、性能稳健的优点，这是因为边缘信息在昏暗的环境下仍然能够检测到，即使在夜间也可以使用，并且图像边缘不容易受光线变化的影响。然后我们将对数色度比空间投影获得的固有灰度图像进行提取前景的实验，发现传统的方法并不适用，因此提出了频域前景提取方法，通过三级平稳小波变换将图像中低频的车辆区域提取出来，然后进行形态学后处理。仿真实验结果表明，该方法能够有效提取图像中静止和运动的车辆和行人，为进一步的跟踪和分类识别提供有用的数据。 3运动跟踪与遮挡处理 计算机视觉中，三维空间向二维平面的投影成像不可避免的会带来遮挡问题，在平面上由于丢失了深度信息，使得遮挡问题的解决成为非适定问题，存在着歧义，而视知觉组合(Perceptual grouping)理论基于大量的心理学实验提供了划分遮挡区域的判别规则。本文首先根据车辆的刚体运动特性，利用运动区域的几何特征建立自动的跟踪。相对于点来说，区域携带了形状和尺寸等更多的信息，更能提供运动跟踪的一致性。在运动区域匹配失败时判断是否发生了遮挡，进一步的遮挡处理提取了车辆的颜色和轮廓特征，为了将相似性和闭合性规则进行数学上的描述，用像素点在CIE-Lab颜色空间的色差的欧式距离定义了颜色相似程度矩阵，然后用空间位置和轮廓信息共同衡量像素点之间的差异，在标准化切割(Normalized Cut)准则下将发生遮挡的区域分割开。