基于视频的车辆运动目标检测与跟踪技术研究

发布时间：2020-06-17 16:58

【摘要】：随着计算机硬件技术和计算机视觉技术的发展,基于计算机视觉的交通监控系统成为可能。视频车辆的实时检测和跟踪是智能交通监控系统的核心部分,也是计算机视觉、模式识别、视频图像处理和人工智能等领域的基础和关键技术。运动目标检测和跟踪算法应用在智能交通监控中时仍有许多困难之处,如恶劣的天气状况以及目标长时间被遮挡等情况。本文主要对以下方面进行了研究:(1)针对现有的背景差分法对初始的运动目标敏感,并且容易受到动态背景、光线变化、摄像头抖动等因素的影响的问题,本文采用基于马尔科夫随机场(MRF)与二型模糊高斯混合模型(T2-FGMM)相结合的方法对运动目标进行检测,解决了T2-FGMM在动态场景下检测出的目标显示很多离散漏洞、目标轮廓不精细化问题。(2)针对条件迭代模式(ICM)算法使用“贪婪”策略来求解能量最优化的过程中易陷入局部极小值的问题,本文对ICM算法进行改进,提出“平缓”的下降方法,将最小化能量函数中的平滑项进行加权操作,解决了ICM算法对初始估计非常敏感、容易导致很差的局部极小值问题。本文将改进的ICM算法运用到视频流车辆目标检测中,获得了较好的目标检测效果。(3)深入研究基于外观特征和时空特征模型的分层数据关联的多目标跟踪技术。本文主要研究时空特征模型,针对时空特征模型仅仅考虑外观特征和光流直方图特征,当多目标存在长时间遮挡而无法满足跟踪准确性的问题,对时空特征模型进行改进,提出融合卡尔曼滤波的时空特征模型,增加目标检测得到矩形的质心作为跟踪的特征。将改进的模型进行验证,获得了较好的目标跟踪效果。本课题分别对视频流中车辆运动目标检测与跟踪进行研究。本文创新点:将改进的ICM算法应用于视频流的运动目标检测中;改进了分层关联的多目标跟踪算法中的时空特征模型。经实验验证,本文改进的方法适用于大面积、多目标的复杂场景,抗干扰能力强,检测和跟踪精度高,可应用于高速公路和城市交通的车辆监测与跟踪系统中。
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TP391.41
【图文】：

流程图,预处理,流程图,基本噪声

与跟踪的一些基础知识。首先预处消除所获取图像的基本噪声和干扰主要用来处理事物的不确定性，广泛合模型的理论基础做铺垫。在跟踪算法的基本流程。为后续的运动车是消除所获取图像的基本噪声和干的质量，得到所需要的清晰图像。波、形态学处理、图像二值化。图

示意图,色彩,坐标,示意图

士学位论文第 2 章目标检测与像处理过程中，通常将不同格式的彩色图像转换为理后的信息特征没有变化，二是可以提高后续图像如果三个分量 R、G、B 的值相等时，则它们被定像的每个像素仅需要 8 位二进制来存储灰度值，该图 2-2 所示。图像的灰度化处理主要由分量法、最平均法。将彩色图像中一个分量的亮度作为灰度图像的灰度特定的分量。 f(i ,j)(k 1,2,3)k在 (i ,j)处的灰度值表)(,),(,)(,),(,)(,)23j Rijfij Gijfij Bij

【参考文献】