《光电图像动态目标跟踪技术研究》由会员分享，可在线阅读，更多相关《光电图像动态目标跟踪技术研究（15页珍藏版）》请在金锄头文库上搜索。
1、-范文最新推荐-1 / 15光电图像动态目标跟踪技术研究中文摘要运动车辆的实时检测和跟踪是交通检测的核心问题，基于视频图像的车辆检测跟踪更是研究热点，是光电图像动态目标跟踪的一项重要应用。本文根据交通场景的特点，将静态背景下交通视频图像处理分为车辆识别区域和车辆跟踪区域两部分。车辆识别区中，我们基于虚拟区域视频检测实现了实时的车辆检测，并结合背景差分原理将车辆从背景图像中分割出来。车辆跟踪区中，运动车辆实时跟踪是通过车辆检测，车辆运动估计和车辆匹配三部分实现。引入了投影法估计车辆运动，同时结合 Kalman 滤波器缩小了匹配时的搜索范围，优化了跟踪算法。另外，本文对车辆检测中出现的典型问题提出
2、了解决方案：根据视频图像中阴影区别于车辆的特点识别并去除阴影；利用多虚拟线检测器解决车辆变更车道等。6649关键词交通检测系统，车辆检测，车辆跟踪，视频图像处理毕业设计说明书（论文）外文摘要 TitleDetection of moving target in optoelectronic image sequencesAbstractDetection and tracking of moving vehicles based on video detection is byfarone ofthe research hotspotin vision vehicle detectionand
3、 anapplication of optoelectronic moving image target detection. Consideringthe features of traffic scenein static background, we pide theprocessing of video sequences into two parts: vehicle detection area and-范文最新推荐-3 / 15vehicle tracking area. In the vehicle detection area, an algorithm basedon vi
4、rtual areas isadoptedin real time vehicledetecting. We also segment 结论 24致谢 25参考文献 26图 2.1 图像的中值滤波 5图 2.2Sobel 算子水平和垂直边缘卷积核 6 图 2.3 图像二值化 8图 2.4 形态学处理前后图像对比 10图 2.5 连通域分析结果 11图 3.1-1 绝对区域 13图 3.1-2 背景初始化和更新结果 13图 3.2 存在检测器 14图 3.4 逻辑检测器 16图 3.5-1 投影法示意图 17图 3.5-2 车辆跟踪结果 22图 3.6 检测跟踪流程图 221 绪论-范文最新推荐
5、-5 / 151.1 研究背景及意义近年来，国民经济持续高速增长的同时汽车业的也迅猛发展。伴随着机动车的持有量急速增加，道路显得日益拥挤，严重影响了经济的持续高速发展。虽然修建和拓宽道路能够缓解一部分道路的拥堵现象，但是修建道路需要花费巨额资金的同时也占用了城市有限的空间1。因此，积极完善各项基础设施的同时，在现有路况下实现对车辆的有效监控，提高道路利用效率，成为有效解决目前交通拥堵问题的重中之重。智能交通系统在此背景下应运而生，并成为了解决城市交通问题的关键手段。交通信息采集是先进的智能交通管理设备得以正确控制与引导交通，提高交通安全性和效率的前提2。交通信息采集设备可以及时准确地获取交通信
6、息，如车流量、车速、车型分类、占道率、交通密度、车辆排队长度、车辆转弯、车辆停止或肇事情 统运用有限脉冲响应滤波更新背景，并结合背景差分法检测车车辆目标。它的优点是在不同场景和环境下测试效果都良好。随后，美国波士顿学院的 Betke 等提出了一种硬实时视觉系统。该系统结合颜色、边缘和运动信息来跟踪和识别道路边界、车道线、-范文最新推荐-7 / 15车辆6。它的优点是实时性好，不需要专门的硬件设备，多数情况下能准确地跟踪布辆，但在背景与车辆灰度相似或夜晚交通拥挤时，车辆的初始轮廓将难以获得，跟踪效果不理想。视频车辆检测技术虽然在国内研究起步比较晚，但经过这些年的迅速发展，也取得了很多研究成果，如
7、中国科学院自动化研究所模式识别国家重点实验室谭铁牛研究员从 20 世纪 90 年代初就开始研究基于三维模型的智能视觉监控系统，领导视觉监控小组，针对系统中若干关键性问题像车辆检测、跟踪以及车辆行为分析，取得了一系列的研究成果7。同时目前也有不少公司在这方面作了许多努力，如清华紫光与清华大学合作开发的新一代视频交通流量检测系统 VS3001，哈尔滨工业大学的 VTD2000系列视频交通动态信息采集系统，亚洲视觉公司的路段交通信息系统等等。这些产品大多数功能都比较单一，虽说有的也比较好的实现了视频检测的功能，但在实际的推广当中效果并不明显。因此，我国在这方面的研究还要继续加强，不断开发和完善技术，
8、真正推出适合于国情的交通视频检测产品。1.3 课题研究内容及方法-范文最新推荐-9 / 15视频中车辆信息采集主要分为运动车辆检测及提取、运动阴影检测及去除、运动车辆跟踪三部分。1.3.1 运动车辆检测及提取 因而阴影去除的主要任务就是判断那些己经被检测出来的运动目标是车辆还是阴影。我们利用阴影的几个比较明显的特点来区分车辆和阴影，从而实现阴影检测与去除。 1.3.3 运动车辆跟踪车辆跟踪法是在准确检测出运动车辆的基础上，通过车辆位置、特征等信息建立 跟踪模型，然后根据一定准则实现前后帧车辆匹配1011。我们通过车辆检测、车辆运动估计和车辆匹配三个模块来实现车辆的跟踪。车辆检测模块通过背景差分
9、的方式判断图像序列中车辆的存在性，获取车辆的形状特征(如车辆的位置，车辆外接矩形的大小)；车辆运动估计模块并采用简单高效的投影法，并利用 Kalman 滤波器预测车辆在下一帧可能处于的位置，缩小了车辆搜索范围，优化了算法；车辆匹配模块依据同一运动车辆在相邻帧上质心间距离和包围车辆的外接矩形的面积变化不大的准则来寻找车辆在图像序列中的对应关系，从而确定车辆的运动轨迹。-范文最新推荐-11 / 151.3.4 基于 openCV 的车辆检测和跟踪本课题中视频图像处理时基于 Visual Studio 2010 平台在 OpenCV 环境下实现的。OpenCV，全名为 Open Source Com
10、puter Vision Library，是 Intel 公司资助的开源计算机视觉库12。它提供了针对各种形式的图像和视频源文件很多标准的图像处理函数， 实现了图像处理和计算机视觉方面的很多通用算法，为课题的研究和开发提供了许多便利。2 图像处理方法概述 视频交通检测的核心技术是数字图像处理，本章详细介绍了研究系统中所涉及到的数字图像处理方法，并基于 VS2010 实现，给出实验结果。2.1 彩色图像灰度化及去噪2.1.1 图像灰度化 得到去噪后的图像。常用的空域滤波有均值滤波、中值滤波等。它们对不同的噪声有不同的去噪特性，均值滤波可以有效的滤除高斯噪声，而中值滤波对脉冲噪声和椒盐噪声的去噪能
11、力很好13。研究发现拍摄到的视频图像中椒盐噪声的影响较严重，同时由于均值滤波不只-范文最新推荐-13 / 15是把干扰去除，还常把图像的边缘模糊，不利于图像进一步的分析。而中值滤波既能消除噪声又能保持图像的细节。因此，我们选择中值滤波来进行滤波除噪。中值滤波器是一种非线性的平滑滤波器。其中，输入像素由领域包含的像素中值替换，象征性的表示为：v(m, n) = median y(m-k, n-l), (k, l)∈W(2.1-2)其中 W 表示适当选择的领域。本文中令 W 为 3×3 的像素区域，作为遍历模板。中值滤波具体步骤如下：1)令 W 中心依次与各个像素位置重合，实现对图像中所有像素的遍历。2)读取 W 中各个像素的灰度值，并将这些值进行排序(考虑到实时性需求，用快速排序法)。3)取排序后的中间值，将其赋给中心位置 v(m, n)的像素。2.1.3 实验结果(a)未经滤波处理的灰度图像(b) 中值滤波后的灰度图像图 2.1 图像的中值滤波2.2 图像纹理和边缘检测2.2.1 图像纹理-范文最新推荐-15 / 15图像的纹理是图像的某种局部性质，或是对局部区域中像素之间关系的一种度量。可以认为，纹理是由许多相互接近的、相互编织的像元构成，它提供了图像区域的平滑、稀疏和规则等特性。纹理的描述常常使用统计法、频谱法和结构法，以及这三种
