基于视频的车辆跟踪

现如今人口、资源、环境矛盾日益凸显,继续通过拓宽道路、扩大路网规模等办法已不能彻底解决愈来愈严重的交通难题。这种形势下,智能交通系统得以迅速发展,渐成未来交通运输的发展方向之一。而基于视频方式的智能交通系统,由于与传统获取道路交通信息的方式相比优势明显,近年来备受关注,渐成如今之热点研究问题。而对于智能交通系统中的车辆跟踪技术,因其能为智能交通系统提供运动车辆的方位、行进轨迹和状态等交通参数,这就为系统能够实时获取交通与路况信息提供了有力帮助。 本文首先简要叙述了智能交通技术发展的背景、国内外发展现状以及未来发展趋势与难点,在总结并分析现有技术不足的基础上,重点研究了车辆运动阴影抑制问题和运动车辆跟踪问题两方面内容。 在车辆运动阴影的抑制方面,文中首先阐述了阴影的形成机理,而后介绍了一种能够抑制车辆运动阴影的车辆检测方法。先计算前景区域(用背景差法经去噪处理后获取的前景区域)和相应背景区域在HSV颜色空间中各分量的差值或比值,然后使用基于图像方差信息扩展的最大类间方差法对各分量的最优阈值进行分割,同时采用基于免疫克隆的粒子群算法对阈值搜索过程进行优化,而后将找到的最优阈值带入阴影判别公式对阴影进行甄别与去除,以此来实现自适应地判别和抑制车辆运动阴影。 在运动车辆跟踪方面,文中针对车辆被遮挡问题,提出基于Mean-shift与自适应kalman滤波相结合的解决方案。将颜色特征作为车辆的提取特征,以前一次提取到的目标模板对现目标进行匹配,依匹配程度的高低,将Mean-shift算法与自适应kalman滤波算法得到的目标位置结果以一定的权重组合,以此来实现了对被遮挡车辆的准确跟踪,提高了跟踪算法的适用性和准确性。