基于視覺的運動目標跟蹤與識別及其在智能交通系統(tǒng)中的應用.pdf

1、隨著汽車數(shù)量的日益增加,交通密度的大幅提高,交通緊張、擁擠問題越來越成為城市發(fā)展面臨的難題.智能交通系統(tǒng)由于其顯著的緩解交通擁擠,提高交通效率的作用,受到了普遍的重視,而視頻交通監(jiān)控技術是實現(xiàn)這一目標的重要手段.該論文的主要研究內容為基于視覺的交通監(jiān)控方法的研究,其中主要涉及到靜止背景下運動目標的檢測和分割,運動目標的識別以及車輛目標的跟蹤等方法的研究.論文在運動目標檢測研究方面,介紹了當前幾種經(jīng)典的運動目標檢測算法,并對各個算法進行了

2、實驗比較和闡述了各自的優(yōu)缺點.在此基礎上,提出了一種改進的運動目標檢測算法,并給出了實驗結果.與傳統(tǒng)閾值選取一般根據(jù)經(jīng)驗人工設定閾值不同,該論文提出了一種基于三高斯模型的自適應閾值選取方法,實驗結果表明該方法具有很好的分割效果.另外,該論文還通過基于背景模型的方法對運動目標進行檢測,取得了很好的檢測效果.在運動目標分割研究方面,與傳統(tǒng)的基于歐式距離的K均值聚類不同,該論文提出了改進的基于加權平方歐式距離的聚類方法.實驗結果表明收斂速度明

3、顯提高,大大增強了實時性.對于分割導致的過分割問題以及路面上車輛咬合現(xiàn)象,通過運動估計的方法得到了很好地解決.在實際場景中,由于光照的原因運動目標產生的陰影會影響后面目標的識別以及跟蹤.對此,該論文利用了一種簡單有效的陰影去除方法很好地去除了陰影.在運動目標識別研究方面,該論文針對行人與車輛目標具有各自不同的特點,提出了幾個適合于分類的特征,并在此基礎上利用BP神經(jīng)網(wǎng)絡算法進行識別,取得了很好的實驗結果.在運動目標跟蹤研究方面,著重討論