復(fù)雜背景下運(yùn)動(dòng)汽車跟蹤算法研究.pdf

1、作為智能交通系統(tǒng)的一項(xiàng)關(guān)鍵技術(shù),運(yùn)動(dòng)汽車跟蹤已成為計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)充滿活力的研究課題。如何充分發(fā)揮運(yùn)動(dòng)汽車跟蹤技術(shù)的優(yōu)勢(shì),盡可能提高車輛跟蹤性能,逐漸成為近年來(lái)的研究熱點(diǎn)。然而,該研究方向仍處于較為初級(jí)的階段,在實(shí)際應(yīng)用中存在諸多困難。首先,當(dāng)運(yùn)動(dòng)汽車跟蹤被用在交通監(jiān)控及交通管理領(lǐng)域時(shí),要求對(duì)視頻序列圖像進(jìn)行實(shí)時(shí)處理,但限于現(xiàn)有計(jì)算機(jī)軟件硬件水平,要求實(shí)時(shí)跟蹤算法的計(jì)算復(fù)雜度不能太高;其次,交通場(chǎng)景具有多樣性和復(fù)雜性,處理算法需要兼顧

2、多種因素,現(xiàn)有算法過(guò)于簡(jiǎn)單,在實(shí)際應(yīng)用場(chǎng)景中不能達(dá)到理想效果。因此,如何實(shí)現(xiàn)復(fù)雜背景條件下運(yùn)動(dòng)汽車的穩(wěn)健跟蹤就成為一項(xiàng)更具現(xiàn)實(shí)意義和挑戰(zhàn)性的研究課題。
　　 本文針對(duì)復(fù)雜背景下運(yùn)動(dòng)汽車的跟蹤問(wèn)題,對(duì)當(dāng)前目標(biāo)跟蹤算法進(jìn)行了深入研究,詳細(xì)論述了基于粒子濾波的跟蹤、基于Snake模型的跟蹤和基于特征的跟蹤等重要算法。在分析這些算法對(duì)復(fù)雜背景處理優(yōu)缺點(diǎn)的基礎(chǔ)上,對(duì)其對(duì)復(fù)雜背景的處理性能進(jìn)行了合理有效的改進(jìn)。主要研究?jī)?nèi)容如下：⑴綜合分析了

3、標(biāo)準(zhǔn)粒子濾波和幾何主動(dòng)輪廓模型,針對(duì)粒子濾波算法粒子更新過(guò)程嚴(yán)格依賴于參數(shù)的選取,且不能處理曲線拓?fù)浣Y(jié)構(gòu)的變化的缺點(diǎn),提出基于幾何主動(dòng)輪廓模型的粒子濾波算法,將幾何主動(dòng)輪廓模型與粒子濾波的優(yōu)點(diǎn)結(jié)合起來(lái),利用水平集技術(shù)處理目標(biāo)輪廓曲線拓?fù)浣Y(jié)構(gòu)的變化,改進(jìn)重采樣技術(shù),增加描述目標(biāo)觀測(cè)的可靠性。⑵針對(duì)復(fù)雜場(chǎng)景下,單一信息源的跟蹤不穩(wěn)定問(wèn)題,提出了基于多線索的分層重采樣粒子濾波算法。以粒子濾波為跟蹤框架,將運(yùn)動(dòng)特征和輪廓特征兩種線索相結(jié)合,用運(yùn)