基于光流的動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)車輛檢測(cè)與跟蹤算法研究.pdf

1、運(yùn)動(dòng)車輛的檢測(cè)與跟蹤技術(shù)一直以來(lái)都是智能交通系統(tǒng)中的一個(gè)重點(diǎn)研究?jī)?nèi)容，目前在車輛的檢測(cè)和跟蹤問題上還有著很多有待解決的問題。其中動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)車輛的檢測(cè)由于存在著車輛與背景兩個(gè)相互獨(dú)立的運(yùn)動(dòng)而使車輛的提取更加困難，在車輛檢測(cè)的準(zhǔn)確性上，有著很大的研究空間。論文首先對(duì)目前的光流檢測(cè)方法中存在的錯(cuò)誤光流難以完全去除的問題進(jìn)行了詳細(xì)的研究和探討，并提出了一種有效的解決方法。同時(shí)采用聚類的方法準(zhǔn)確的從動(dòng)態(tài)場(chǎng)景中提取出車輛。最后研究了車輛跟蹤技術(shù)

2、，對(duì)車輛的遮擋問題進(jìn)行了詳細(xì)的討論，并通過算法的改進(jìn)，有效的解決了此問題。
　　在車輛檢測(cè)的問題中，采用Harris算子計(jì)算圖像的特征點(diǎn)，再通過金字塔Lucas-Kanade光流(L-K光流)法計(jì)算圖像的特征點(diǎn)光流場(chǎng)。隨后引入矢量量化的思想對(duì)圖像的光流場(chǎng)進(jìn)行聚類，并提出了結(jié)合歐式距離和相似系數(shù)作為相似性測(cè)度的方法提高了聚類的準(zhǔn)確性。最后計(jì)算各個(gè)類別中角點(diǎn)的分布方差，通過RANSAC方法對(duì)光流場(chǎng)中的錯(cuò)誤光流進(jìn)行粗剔除，再依據(jù)類內(nèi)方差

3、值進(jìn)行精剔除。最后再依據(jù)類內(nèi)方差值的大小實(shí)現(xiàn)車輛的提取。
　　在車輛跟蹤的問題中，深入研究了Camshift和Kalman濾波相結(jié)合的方法在車輛跟蹤中的應(yīng)用，并對(duì)目前的跟蹤算法中普遍存在的遮擋問題進(jìn)行了詳細(xì)的討論，最后通過增加區(qū)域面積約束，對(duì)算法進(jìn)行改進(jìn)，提高了車輛在被遮擋和有顏色干擾的情況下的跟蹤的準(zhǔn)確性。
　　通過具體的實(shí)驗(yàn)表明，檢測(cè)算法能夠準(zhǔn)確的從動(dòng)態(tài)場(chǎng)景中檢測(cè)出運(yùn)動(dòng)的車輛，對(duì)單個(gè)運(yùn)動(dòng)車輛的檢測(cè)準(zhǔn)確度可達(dá)93％，多車輛