面向模糊视频的车辆目标跟踪算法研究

发布时间：2017-05-24 07:16

  本文关键词：面向模糊视频的车辆目标跟踪算法研究，由笔耕文化传播整理发布。

【摘要】：1999年,全球大约有80万人死于道路交通事故,经济损失超过5180亿美元,约占当年全球国民生产总值的1.7%,在此背景下,智能交通系统(Intelligent Transportation Systems, ITS)被人们提出,并且逐渐成为世界各国争相研究的课题,而数字图像处理技术由于其自身的特点和优势,融合了计算机视觉、模式识别、人工智能、自动控制等诸多领域的先进成果,被越来越多的应用到智能交通系统中。近几年,基于视频的车辆跟踪技术作为智能交通系统中必不可少的一步,成为诸多学者的研究热点。目前多数跟踪算法是在理想环境下(清晰视频,车辆始终保持水平,跟踪过程中没有遮挡)对车辆进行跟踪。但是,考虑到现实车辆行驶过程中自身的多变性(尺度缩放,姿态变化)和周围复杂的环境变化(遮挡物和车间遮挡),使得车辆在现实场景中准确跟踪仍然存在诸多难点。本文通过深入研究车辆自身的复杂变化,提出了改进的结构化输出支持向量机跟踪算法。该算法针对视频模糊、尺度和姿势变化、部分或完全遮挡这三个问题对结构化输出支持向量机跟踪算法进行改进。针对跟踪视频模糊及阴影问题,采用多尺度Retinex算法对视频图像增强,提高背景目标的对比度,改善特征提取精度。针对跟踪过程中车辆尺度变化、车辆姿态变化的问题,提出基于仿射变换运动估计的自适应跟踪窗算法,使跟踪窗始终都能保持和车辆大小一致,倾斜角度一致,降低冗余背景信息对跟踪算法的影响,提高跟踪精度。针对车辆部分、全部遮挡,提出基于互信息模板匹配的遮挡处理算法,通过与模板进行互信息匹配,检测目标是否发生遮挡,并确保车辆离开遮挡后跟踪框重新跟上目标。利用本文算法对不同的车辆跟踪数据集进行测试,实验结果表明,本文算法可以很好的处理跟踪过程中车辆和背景的复杂变化,相对于原始目标跟踪框架,基于改进的结构化输出支持向量机跟踪算法跟踪精度有了很大提高。
【关键词】：车辆跟踪 模糊视频 结构化输出SVM跟踪 自适应跟踪窗 遮挡
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 车辆目标跟踪算法国内外研究现状11-13
• 1.3 车辆目标跟踪的关键问题13-14
• 1.4 论文主要研究内容14-15
• 1.5 论文组织结构15-16
• 第2章 复杂场景下的图像预处理16-30
• 2.1 图像灰度变换16-17
• 2.2 图像增强17-24
• 2.2.1 对比度拉伸18-20
• 2.2.2 直方图均衡化20-21
• 2.2.3 基于中心环绕思想的Retinex算法21-24
• 2.3 算法性能评价指标24-25
• 2.4 实验对比分析25-29
• 2.5 本章小结29-30
• 第3章 基于仿射变换运动估计的自适应跟踪窗算法30-42
• 3.1 图像序列运动估计算法30-31
• 3.2 仿射变换理论31-33
• 3.2.1 仿射变换基础知识31-32
• 3.2.2 仿射变换求解32-33
• 3.3 自适应跟踪窗算法33-36
• 3.3.1 尺度缩放变换33-35
• 3.3.2 旋转变换35-36
• 3.4 实验对比分析36-40
• 3.5 本章小结40-42
• 第4章 基于互信息模板匹配的遮挡处理算法42-53
• 4.1 信息熵基础理论42-44
• 4.1.1 信息熵概述42-43
• 4.1.2 互信息概述43-44
• 4.2 基于互信息的模板匹配模型44-46
• 4.3 遮挡处理策略46-48
• 4.4 实验对比分析48-52
• 4.5 本章小结52-53
• 第5章 改进的结构化输出SVM车辆跟踪算法53-66
• 5.1 SVM基础知识53-56
• 5.2 Haar-like特征56-58
• 5.2.1 Haar-like特征概述56-57
• 5.2.2 Haar-like特征值计算57-58
• 5.3 结构化输出SVM跟踪算法58-61
• 5.3.1 结构化输出SVM跟踪原理58-60
• 5.3.2 结构化输出SVM跟踪算法框架60-61
• 5.4 改进的结构化输出SVM跟踪算法设计61-62
• 5.5 实验对比分析62-65
• 5.6 本章小结65-66
• 第6章 总结与展望66-68
• 6.1 工作总结66
• 6.2 研究展望66-68
• 参考文献68-72
• 攻读学位期间公开发表论文情况72-73
• 致谢73

【相似文献】

中国期刊全文数据库 前10条

1 卞建勇;徐建闽;裴海龙;;基于强化学习的视频车辆跟踪[J];华南理工大学学报(自然科学版);2008年10期

2 张晓媚;陈伟海;刘敬猛;赵志文;;基于柔性曲杆的车辆跟踪算法设计与实现[J];北京航空航天大学学报;2011年07期

3 甘玲;潘小雷;;一种应用于交通环境中的运动车辆跟踪方法[J];重庆邮电大学学报(自然科学版);2013年03期

4 郭锋;王秉政;杨晨晖;;复杂背景下车辆跟踪的改进算法及逆行检测[J];图学学报;2013年04期

5 魏玉强;王成儒;;多车辆跟踪时分割粘连车辆的方法[J];电视技术;2009年11期

6 王文龙;李清泉;;基于蒙特卡罗算法的车辆跟踪方法[J];测绘学报;2011年02期

7 李t，

本文编号：390093