基于交通视频的目标检测与跟踪算法研究

发布时间：2020-03-22 20:32

【摘要】：随着智慧城市和智能交通系统的发展,有效的目标检测和跟踪技术引起了国内外学者的高度重视。尤其在智能交通监控中,车辆特征的相似性、车辆行驶过程中出现的遮挡、光照、旋转、尺度、姿态变化以及外界环境的变化等问题给目标检测和跟踪技术带来了极大的挑战。如何从海量的交通视频中获取有效信息和分析交通现状,最终实现智能控制和智能管理是智能交通系统面临的技术难题。本文针对交通视频中目标检测和跟踪的算法展开研究,主要研究内容为:(1)研究了几种传统的目标检测和跟踪算法的原理和实现过程,分析了其在实际应用中的优势和局限性,并比较了不同算法的性能。其次,研究了TLD(Tracking-Learning-Detection)目标跟踪算法,TLD算法将传统的检测技术和跟踪技术相结合,解决了长时间跟踪过程中目标发生的轻微形变、光照、以及部分遮挡问题,并加入了一种改进的在线学习机制,使得整体算法更加的稳定、可靠。(2)针对TLD算法在面对目标出现大尺度的旋转、严重遮挡、光照突变的情况下,跟踪的准确性难以保证的问题,对跟踪模块提出了两方面的改进:一方面针对LK(Lucas-Kanade)光流法对光照比较敏感,且生成的跟踪点不是特征点,不能用来表征目标,在跟踪的过程中容易造成跟踪漂移的问题,提出在原跟踪模块的基础上结合ORB(Oriented FAST and Rotated BRIEF)特征检测算法和PROSAC优化算法来跟踪目标。另一方面,针对当目标出现大面积遮挡、消失重现时,TLD算法容易跟踪失败的问题,提出结合Kalman滤波算法,当TLD跟踪失败时,用Kalmanl滤波器预估目标位置。(3)针对TLD算法检测模块扫描子窗口数量过多影响系统的实时性的问题,提出在检测模块前加入一种背景模型自适应更新的Vibe(Visual Background Extractor)前景检测算法,用局部扫描取代全局扫描的改进算法。最后通过实验结果和分析验证了改进算法的可靠性和有效性。
【图文】：

二值化仿真图

灰度化仿真图
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TP391.41

【参考文献】

相关期刊论文 前10条

1 李天成;范红旗;孙树栋;;粒子滤波理论、方法及其在多目标跟踪中的应用[J];自动化学报;2015年12期

2 曲海成;单晓晨;孟煜;刘万军;;检测区域动态调整的TLD目标跟踪算法[J];计算机应用;2015年10期

3 周莉莉;姜枫;;基于FAST和BRIEF的图像匹配算法[J];计算机工程与设计;2015年05期

4 彭荣鲲;周鑫;王沛;赵永辉;琚映云;;基于区域的GLRT车辆目标检测方法[J];南京航空航天大学学报;2014年06期

5 肖庆国;叶庆卫;周宇;王晓东;;基于Mean-Shift优化的TLD视频长时间跟踪算法[J];计算机应用研究;2015年03期

6 王法胜;鲁明羽;赵清杰;袁泽剑;;粒子滤波算法[J];计算机学报;2014年08期

7 贾阳;王慧琴;胡燕;党勃;;基于改进层次聚类和SVM的图像型火焰识别[J];计算机工程与应用;2014年05期

8 谭筠梅;王履程;雷涛;王小鹏;;城市轨道交通智能视频分析关键技术综述[J];计算机工程与应用;2014年04期

9 吴杰;闫建国;;基于修正的卡尔曼滤波的姿态估计算法研究[J];计算机仿真;2012年02期

10 时磊;谢晓方;乔勇军;;基于SURF算法的人脸跟踪技术研究[J];计算机仿真;2010年12期

相关硕士学位论文 前5条

1 宗家辉;基于TLD框架的目标跟踪算法的研究[D];西安电子科技大学;2018年

2 李长桂;基于TLD的改进目标跟踪算法[D];西安电子科技大学;2018年

3 李呈柯（Chengke Lee）;基于TLD的视频目标跟踪算法研究及改进[D];北京理工大学;2016年

4 沈，

本文编号：2595584