交通視頻中車輛目標檢測和跟蹤方法研究.pdf

1、智能交通系統(tǒng)中，交通視頻中車輛的檢測和跟蹤一直是倍受重視的一個熱點和難點問題，對其進行研究不僅是進一步車輛行為判斷的需要，同時也能為智能交通系統(tǒng)提供許多必要的參數信息的支撐。在實際的交通視頻場景中，環(huán)境的復雜性和場景不斷變化的特點通常會給車輛目標的檢測和跟蹤帶來難度，如何使車輛目標的檢測和跟蹤算法在具有準確性的同時，對場景和環(huán)境等復雜因素保持較高的魯棒性一直是受到關注和追求的目標。為了達到這樣的目標，傳統(tǒng)的基于單一特征的方法很難適應這樣

2、的需求，而基于實際環(huán)境的多特征信息融合和互補為實現該目標提供了可能。本文對交通視頻中車輛目標檢測和跟蹤方法進行研究，在對交通視頻場景中目標的多種特征進行挖掘和提煉的基礎上，結合相應的數學模型和方法對其進行融合。
　　本文的主要研究成果包括：
　　1.提出一種基于小波邊緣信息的交通視頻對象分割檢測活動輪廓模型，該模型通過增加邊緣因子項，并將其融入到C-V模型中，在車輛檢測的過程中既考慮到目標的區(qū)域信息又兼顧了邊緣信息，保證了復

3、雜環(huán)境下對車輛目標分割檢測的準確性以及魯棒性，同時通過增加了邊緣信息的約束，使模型的演化速度得以提高。
　　2.針對傳統(tǒng) MS（MeanShift）算法在復雜場景目標跟蹤時易受到相似目標干擾導致跟蹤目標丟失的問題，提出一種基于Contourlet直方圖約束的MeanShift交通視頻車輛目標跟蹤算法，首先利用Contourlet輪廓波提取交通視頻中感興趣區(qū)域下跟蹤目標的紋理特征和輪廓，然后利用Contourlet子帶的直方圖統(tǒng)計跟