基于光流场的视频车辆检测与跟踪算法研究与应用

当前,随着经济与社会的不断发展,各领域对智能视频监控系统的要求越来越高,而视频图像的运动检测与跟踪也是其核心问题之一,是我国研究的主要领域,它不仅可以应用在军事和工业上,也可以应用到公共场合、码头、银行以及交通系统车辆检测等系统中。本文主要研究基于光流场的视频车辆检测与跟踪技术,主要工作包括: 1.受外界环境以及摄像机等因素的影响,采集的视频图像往往受各种噪声影响,这会降低光流法检测运动目标的准确度。因此在检测运动目标之前,需要对图像进行图像平滑预处理,包括中值滤波、均值滤波、动态滤波三种去噪方法。 2.运动目标检测的关键就是要把目标物体提取出来,即将目标物体从复杂的背景中分离出来。传统的目标检测方法首先要提取出静态背景图像,然后将序列图像与背景图像相比较以提取目标物体,这种方法数据处理量较大。本文主要介绍基于Horn-Schunk算法、Lucas-Kanade算法、块匹配算法和基于相位的方法。通过实验表明H-S算法、L-K算法能够有效检测出运动目标,然而都存在一定的优劣性。 3.运动目标跟踪采用Horn-Schunk算法,通过实验仿真有效实现了运动目标跟踪,实验证明这种方法减少了数据处理量,能够满足现实中对目标物体实时跟踪的需要。