ITS中運(yùn)動(dòng)車(chē)輛自動(dòng)跟蹤方法的研究.pdf

1、利用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行交通狀況檢測(cè)與信息采集是智能交通系統(tǒng)(ITS)領(lǐng)域中的一個(gè)重要課題,而運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤則是其中最基礎(chǔ)的部分.該文對(duì)此問(wèn)題進(jìn)行了系統(tǒng)和深入的研究,提出了一種在自然道路背景下運(yùn)動(dòng)車(chē)輛自動(dòng)檢測(cè)與跟蹤的方法,并設(shè)計(jì)開(kāi)發(fā)了相應(yīng)的軟硬件系統(tǒng),初步實(shí)現(xiàn)了運(yùn)動(dòng)車(chē)輛的自動(dòng)跟蹤.該文所進(jìn)行的研究主要包括以下方面:(1)在圖像差分算法基礎(chǔ)上,研究提出了運(yùn)動(dòng)車(chē)輛自動(dòng)檢測(cè)的柵格算法,該方法通過(guò)計(jì)算當(dāng)前幀與參考幀對(duì)應(yīng)柵格的不相似度來(lái)檢測(cè)是

2、否有運(yùn)動(dòng)車(chē)輛進(jìn)入視場(chǎng);定義了不相似度下降率DSDR,基于此,可以比較準(zhǔn)確地確定出運(yùn)動(dòng)車(chē)輛在柵格中的位置,并可方便地將車(chē)輛圖像作為模板保存下來(lái).(2)采用Kalman濾波理論建立了運(yùn)動(dòng)車(chē)輛狀態(tài)預(yù)測(cè)線性模型,該模型采用8自由度的向量來(lái)描述系統(tǒng)狀態(tài);利用面向?qū)ο蟮乃枷?以類(lèi)的形式對(duì)預(yù)測(cè)模型進(jìn)行了封裝實(shí)現(xiàn),并給出了類(lèi)的數(shù)據(jù)成員和成員函數(shù).(3)討論了在攝像機(jī)固定情況下和在攝像機(jī)運(yùn)動(dòng)情況下運(yùn)動(dòng)車(chē)輛的跟蹤問(wèn)題.在攝像機(jī)固定情況下,以運(yùn)動(dòng)車(chē)輛的位置估

3、計(jì)為中心,按照搜索策略,通過(guò)模板匹配對(duì)運(yùn)動(dòng)車(chē)輛進(jìn)行跟蹤.跟蹤實(shí)驗(yàn)結(jié)果表明,提出的搜索策略是有效的.在攝像機(jī)運(yùn)動(dòng)情況下,建立了運(yùn)動(dòng)車(chē)輛跟蹤坐標(biāo)系,并得出了運(yùn)動(dòng)車(chē)輛跟蹤坐標(biāo)系與預(yù)測(cè)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系;通過(guò)攝像機(jī)-云臺(tái)系統(tǒng)所采用的視覺(jué)坐標(biāo)系,推導(dǎo)出了攝像機(jī)-云臺(tái)系統(tǒng)轉(zhuǎn)動(dòng)的角度控制公式,為運(yùn)動(dòng)車(chē)輛的跟蹤提供了理論基礎(chǔ).(4)根據(jù)面向數(shù)據(jù)流的設(shè)計(jì)方法,在綜合運(yùn)動(dòng)車(chē)輛自動(dòng)檢測(cè)、狀態(tài)預(yù)測(cè)和自動(dòng)跟蹤算法的基礎(chǔ)上,采用Visual C++作為開(kāi)發(fā)語(yǔ)言,