遮挡情况下车辆跟踪算法的研究

目录

第一章绪论 ........................................................................................................................... - 1 -1.1课题研究的背景及意义 ...................................................................................................... - 1 -

1.1.1 智能交通系统的介绍................................................................................................ - 1 -

1.1.2 智能交通系统的意义................................................................................................ - 2 -1.2运动车辆检测与跟踪的研究现状 ...................................................................................... - 3 -

1.2.1 运动车辆检测............................................................................................................ - 3 -

1.2.2 运动车辆跟踪............................................................................................................ - 4 -1.3运动车辆检测与跟踪的难点 .............................................................................................. - 6 -1.4本文研究内容及结构安排 .................................................................................................. - 7 -

1.4.1 本文的研究内容........................................................................................................ - 7 -

1.4.2 本文的结构安排........................................................................................................ - 7 -第二章图像预处理 ............................................................................................................... - 9 -

2.1颜色模型 .............................................................................................................................. - 9 -

2.1.1 RGB颜色模型............................................................................................................ - 9 -

2.1.2 HSV颜色模型.......................................................................................................... - 10 -

2.1.3 数字图像颜色模型间的转换.................................................................................. - 11 -2.2形态学运算基础 ................................................................................................................ - 13 -

2.2.1 腐蚀.......................................................................................................................... - 13 -

2.2.2 膨胀.......................................................................................................................... - 14 -

2.2.3 开闭运算.................................................................................................................. - 15 -2.3本章小结 ............................................................................................................................ - 16 -第三章运动车辆检测方法的研究 ..................................................................................... - 17 -

3.1常用的运动车辆检测方法 ................................................................................................ - 18 -

3.1.1 背景差分法.............................................................................................................. - 18 -

3.1.2帧间差分法 .............................................................................................................. - 21 -

3.1.3光流法 ...................................................................................................................... - 22 -

3.1.4三种常用运动车辆检测方法的比较 ...................................................................... - 23 -3.2本文的运动目标检测方法 ................................................................................................ - 25 -

3.2.1双向隔帧差分相乘法 .............................................................................................. - 26 -

3.2.2双向隔帧差分相乘法与平均背景差分法的算法结合 .......................................... - 27 -3.3车辆提取 ............................................................................................................................ - 28 -

V

3.3.1车辆阴影去除 .......................................................................................................... - 28 -

3.3.2目标车辆分割的介绍 .............................................................................................. - 29 -

3.4实验结果与分析 ................................................................................................................ - 29 -

3.5本章小结 ............................................................................................................................ - 31 -

第四章遮挡情况下车辆跟踪方法的研究 ......................................................................... - 33 -

4.1常用的车辆跟踪算法 ........................................................................................................ - 33 -

4.1.1基于特征匹配的跟踪算法 ...................................................................................... - 33 -

4.1.2基于3D模型的跟踪算法........................................................................................ - 35 -

4.1.3基于区域匹配的跟踪算法 ...................................................................................... - 37 -

4.1.4基于运动估计的跟踪算法 ...................................................................................... - 38 -

4.2本文的车辆跟踪方法 ........................................................................................................ - 39 -

4.2.1遮挡车辆的检测方法介绍 ...................................................................................... - 40 -

4.2.2车辆模板更新 .......................................................................................................... - 41 -

4.3NP级遮挡车辆跟踪算法................................................................................................... - 41 -

4.3.1 Mean-shift 算法原理 ............................................................................................... - 41 -

4.3.2 基于Mean-shift算法的车辆跟踪技术 .................................................................. - 44 -

4.4SF级遮挡目标跟踪算法 ................................................................................................... - 45 -

4.4.1运动车辆匹配与跟踪 .............................................................................................. - 45 -

4.4.2遮挡目标跟踪的推理模型 ...................................................................................... - 46 -

4.5实验结果与分析 ................................................................................................................ - 47 -

4.6本章小结 ............................................................................................................................ - 51 -

第五章结论 ......................................................................................................................... - 53 -参考文献................................................................................................................................... - 55 -攻读学位期间所取得的相关科研成果................................................................................... - 59 -致谢...................................................................................................................................... - 59 -

VI

河北工业大学硕士学位论文

第一章绪论

1.1 课题研究的背景及意义

1.1.1 智能交通系统的介绍

随着人们生活水平的不断提高和社会经济的不断发展以及社会对交通运输需求的不断增加，智能交通系统（Intelligent Transportation System）应运而生。智能交通系统是在传统的交通系统的基础上，集成先进的电子技术、系统工程技术、信息技术及传感技术，形成的一种实时性强、效率高、准确度高的新型交通运输管理系统。它的产生使交通基础设施发挥出最大的潜能，同时使得社会能够最大化的使用交通基础设施和资源，并从中获得巨大的经济效益。它不但可以有效的解决交通拥挤和道路堵塞问题，而且对交通事故实施援救与处理、对客货车的运输管理以及道路收费管理等方面都提供了便捷、科学的依据。

视频监控技术是智能交通系统中的核心技术之一。下图1.1给出了视频监控系统的结构示意图。视频监控技术是在无人为干预的情况下，通过对获取的视频流进行分析来实现车牌定位和车辆的检测、识别及跟踪，进而得到车流量判断当前路段的拥堵状况，从而及时的采取相关的措施尽快恢复正常的交通秩序；除此之外，还可以分析判断车辆的行为，从而为交通事故及违规行为的及时处理，提供直观、可靠的依据。这对于交通部门实施监管具有重大的意义。

图像采集车辆检测车辆跟踪车辆识别行为分析

图 1.1本文遮挡车辆的检测与跟踪的示意图

与其他的交通监控设备相比，视频监控系统具有以下优点：

（1）它所分析的数据来源于固定在道路上方的摄像头拍摄的视频序列，与其他的传感器装置相比，降低了设备的安装成本以及后期的维护成本。

（2）在监管过程中，如果发现异常状况，管理人员可以随时调出视频，直观、方便地对现场发生的情况进行进一步的判断和确认。同时，也为交管部门对违规人员的处罚提供了直观、可靠的依据。

（3）使用视频监控系统避免了破坏路面的必要性，它只需要在监控的视频图像合适的位置设置虚拟检测区域。

- 1 -

车辆牌照图像识别算法研究与实现

西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现年级：■本科□专科 学生学号： 学生姓名：指导教师： 学生单位：技术职称： 学生专业：教师单位： 西南科技大学教务处制

车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++

Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++

基于矩特征和卡尔曼滤波的车辆跟踪算法

基于矩特征和卡尔曼滤波的车辆跟踪算法 【摘要】针对由于背景的动态变化而导致的目标车辆无法准确进行跟踪的问题，提出了一种基于卡尔曼滤波器的车辆跟踪算法。算法利用基于图像内容的动态前景分割的方法提取出目标车辆，以此建立基于HSV颜色空间的矩特征，从而得到目标的特征模板，在下一帧中利用卡尔曼滤波器对目标车辆的状态进行预测。在预测的区域内进行匹配定位，从而得到目标车辆的实际位置。实验结果表明，该算法实时性和准确性高，能够准确的完成对目标车辆的跟踪。 【关键词】目标跟踪；卡尔曼滤波；前景分割 1.引言 智能交通系统是当今研究的一个热点方向，但是由于复杂背景的动态变化以及目标车辆之间有时候会出现遮挡的情况会直接影响到目标车辆的检测、分离以及跟踪的准确性，从而影响到最后的跟踪结果。因此，如何实现从动态的背景中分割出前景目标并进行准确跟踪在智能交通系统中具有重要的意义，但同时这也是一个难点所在。 本文在参考文献[2]的基础上提出了一种利用HSV空间矩特征作为特征进行目标跟踪的方法，首先经过学习从动态的复杂背景中提取出前景目标，并将其进行分离。根据提取出来的前景目标建立HSV空间矩特征作为模板，然后引入卡尔曼滤波器预测出下一帧目标的大致区域，在预测的区域内进行匹配，从而完成对目标车辆的跟踪过程。 2.运动车辆的检测与分割 运动车辆的检测与分割是指在图像中检测出变化区域并将运动目标从背景中进行分离，检测结果的准确性对于车辆的跟踪具有重要的影响。 文献[2]提出了一种动态前景分割建模方法。其原理如下，依照贝叶斯决策规则进行前景和背景的划分，若： 则具有特征的像素点A被划分为前景。假设为像素点A的特征的量化特征，则。观察一段时间后，像素点A所得的N个模型可用表示，像素特征属于背景b的后验概率，可通过式（2）、（3）来估计。 由图1可知，该分割过程简单，而且分割效果较好。 3.目标车辆跟踪 当车辆检测并分割出来之后，车辆跟踪就是利用特征模板在相邻帧进行匹配的问题。本文提出的一种基于运动预测的车辆跟踪方法，一方面可以缩小目标搜

多目标跟踪

多目标跟踪的基本理论 所谓多目标跟踪，就是为了维持对多个目标当前状态的估计而对所接收到的量测信息进行处理的过程。 目标模型不确定性 是指目标在未知的时间段内可能作己知的或未知的机动。一般情况下，目标的 非机动方式及目标发生机动时的不同的机动形式都可以通过不同的数学模型来加 以描述。在进行目标跟踪过程中，采用不正确的目标运动模型会导致跟踪系统跟踪 性能的严重下降。因而在目标跟踪过程中，运动模型采用的正确与否对目标的跟踪 性能是至关重要的。 观测不确定性 是指由传感器系统提供的量测数据可能是外部的干扰数据，它有可能是由杂波、虚警和相邻的目标所引起的，也可能是由被跟踪目标的对抗系统所主动发出来的虚假信息。这种不确定性在本质上显然是离散的，给目标跟踪问题提出了极大的挑战，相应地也就产生了数据关联的问题。 数据关联 数据关联的作用主要有：航迹保持、航迹建立和航迹终结。 数据关联算法主要有：“最近邻”方法，“全邻”最优滤波器方法、概率数据关联滤波器方法、多模型方法、相互作用多模型一概率数据关联滤波器方法、联合概率数据关联滤波器方法、多假设方法、航迹分裂方法。 1.“最近邻”方法的思想是：在落入跟踪波门中的所有量测中，离目标跟踪预测位置最近的量测认为是有效量测。“最近邻”方法的好处是算法最简单，但是精度差，抗杂波干扰的能力差。“最近邻”方法因为简单，算法易实现，因此也是目前广泛采用的一种数据关联算法． 2 .“全邻”最优滤波器 Singer,Sea和Housewright发展了一类“全邻”滤波器，这种滤波器不仅考虑了所有候选回波（空间累积信息），而且考虑了跟踪历史，即多扫描相关（时间累积信息）假定多余回波互不相关并且均匀分布于跟踪门内，则任何跟踪门的体积V内多余回波的数目Cx服从均值为βV的泊松分布。假定在K-1时刻，轨迹a′正确的概率为Pa(k-1)。关键问题是计算k时刻轨迹的正确概率Pa(k)。

交通道路标志牌检测与识别综述.

交通道路标志牌检测与识别综述 一、背景综述 随着社会科技不断发展和进步，车辆已经普及到国内大部分家庭。汽车的普及极大方便了人们的出行、生活和工作，同时也不可避免的产生了很多的交通问题。据公安部交通管理局统计，2014年1月至10月，全国共发生道路交通事故426378起，造成87218人死亡、391752人受伤，直接财产损失20.2亿元。交通安全问题成为人们日常生活中最常见的问题之一，受到了政府、科研机构以及汽车生产厂家的高度重视。 解决交通安全问题的途径之一是准确、有效地设立道路交通标志，为驾驶员提供丰富的禁令、警告、指示等信息，从而起到减少交通事故的作用。为了确保交通标志的信息能够及时、准确地传达，交通标志自动识别系统(Traffic Sign Recognition,TSR)受到了各国学者的关注，其主要功能表现在以下几个方面： (1)用于驾驶辅助。交通标志识别的概念最早就是作为驾驶辅助工具被提出的。TSR系统在识别出交通标志后，可对驾驶员进行语音或视频等方式的提醒，甚至可以在必要的时候对车辆驾驶系统直接做出控制，从而确保驾驶安全。 (2)用于交通标志维护。由于交通标志通常放置于室外环境中，受自然环境(如风吹雨淋)及人为因素(如涂抹)影响，难免出现褪色、变形甚至坠落失踪现象，需要进行定期检查维护。通常，这一工作需安排专人专岗，工作量巨大且很难保证实时性和准确性。显然，一个有效的TSR系统是完成这一工作的理想方案。 (3)用于无人驾驶技术。无人驾驶汽车在近年来受到了越来越多的关注。从上世纪90年代起，国内外相继研发出了一系列无人驾驶汽车，其智能化逐渐提高，能够自动规划路线，避让障碍物等。使无人驾驶汽车具备辨认交通标志的能力显然是使其实用化的一个重要步骤。 TSR在计算机领域中是一个非常重要的分支研究领域，而图像检测以及处理是其主要手段，这是一个难度比较大的实景图形识别问题。在车载视觉系统中，如何有效地识别道路交通标志是一个非常重要的研究课题。 TSR包括三个重要模块：图像复原、标志检测、标志分类。交通标志的外观

基于视频的车流量检测算法研究

西南交通大学 毕业设计（论文） 基于视频的车流量检测算法研究 专业: 自动化 指导老师: 侯进 二零一零年六月

西南交通大学本科毕业设计（论文）第I页 院系信息科学与技术学院专业自动化 年级2006级姓名安伟 题目基于视频的车流量检测算法研究 指导教师 评语 指导教师(签章) 评阅人 评语 评阅人(签章) 成绩 答辩委员会主任(签章) 年月日

毕业设计任务书 班级自动化2班学生姓名安伟学号2006 专业自动化 发题日期：2010 年1月1 日完成日期：2010 年6 月15 日 题目基于视频的车流量检测算法研究 题目类型：工程设计√技术专题研究理论研究软硬件产品开发 一、设计任务及要求 车流量信息是交通控制中的重要信息，其检测在智能交通系统中占有重要地位。基于视频图像处理技术的车流量检测系统，通过安装在道路旁边或者中间隔离带的支架上的摄像机和图像采集设备将实时的视频信息采入，经过对视频图像的处理分析可以进行车流量的实时检测。基于视频的车流量检测系统有易安装、维护及实现方便等明显的优势，非常有利于交通系统的管理及控制。具体要求如下： 1. 对图像进行预处理 2. 进行车流量的统计 3. 人机界面简单清楚友好 二、应完成的硬件或软件实验 采集视频图像，对图像进行分析处理，完成车流量的统计，与实际通过车辆数目比较，分析本系统的正确检测率。 三、应交出的设计文件及实物（包括设计论文、程序清单或磁盘、实验装置或产品等） 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫的抄袭剽窃） 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面注明姓名，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求

图像处理算法5_目标跟踪及遮挡处理算法

基于粒子滤波算法的目标跟踪及遮挡处理算法 1.1引言 对运动目标物的跟踪也是视觉监控系统中的基础算法之一。目标跟踪的任务是通过对图像序列的处理，准确估计出感兴趣目标物在每个时刻的运动参数，包括位置、大小、速度、加速度以及运动轨迹等，为行为理解等更高层的任务打下基础。本章首先概述目标跟踪算法的基本步骤和难点，并对现有算法作分类简介；然后对实现鲁棒跟踪所必需的工具——在线贝叶斯估计算法作详细介绍；在此基础上详细论述本文使用的跟踪方法，该方法将已有的多种先进算法有机结合，使计算量显著降低，鲁棒性增强；最后对提出的算法进行总结和分析。 1.2 目标跟踪算法概述 目标跟踪算法主要由两个部分组成：（1）目标物表示；（2）运动状态估计。下面对它们分别介绍。 1.2.1目标物表示 目标物表示的核心在于特征的选择和提取，即用什么特征来描述和表示感兴趣目标物。一个好的目标物表示方法应该能够将被跟踪的目标物和背景中的物体以及其它物体区别开来，这正是目标物表示的难点所在。运动目标物所在的环境通常是很杂乱的，其中存在许多与目标物有相似特征的物体。例如：房间内的窗帘、家具等往往与人的皮肤颜色相近；当监控视野中存在多个行人的时候，跟踪器容易将目标行人与其他行人相混淆。下面介绍几种常用的特征。 1.2.1.1颜色特征 颜色是人类辨识物体的重要特征，也是视觉跟踪中最常用的特征之一。颜色特征通常是在一块区域中提取出来的，因此它具有对目标平面旋转、非刚性形变、远离或靠近镜头的尺度变化以及部分遮挡等情形较为鲁棒的优点。另外，由于图像直接由一个个像素的颜色值所表示，因此颜色特征还具有容易提取、计算简单的优点。 最常用的颜色特征是颜色直方图。Comaniciu等人提出了基于颜色直方图的跟踪算法[1][2]。在他们的方法中，颜色直方图受到了核函数的空间加权。这样区域内中心附近的像素对颜色直方图有更大的贡献，使跟踪更加精确，因为区域边

车辆牌照图像识别算法研究与实现本科毕设论文

Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现

车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++

Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++

目标跟踪算法的分类

运动目标跟踪就是在一段序列图像中的每幅图像中实时地找到所感兴趣的运动目标(包括位置、速度及加速度等运动参数)。在运动目标跟踪问题的研究上，总体来说有两种思路： a)不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪感兴趣的运动目标； b)依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到相匹配的运动目标。 一、运动目标检测 对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步。运动检测即为从序列图像中将变化区域从背景图像中提取出来。运动目标检测的算法依照目标与摄像机之间的关系可以分为静态背景下运动检测和动态背景下运动检测。 静态背景下运动检测就是摄像机在整个监视过程中不发生移动，只有被监视目标在摄像机视场内运动，这个过程只有目标相对于摄像机的运动；动态背景下运动检测就是摄像机在整个监视过程中发生了移动(如平动、旋转或多自由度运动)，被监视目标在摄像机视场内也发生了运动，这个过程就产生了目标与摄像机之间复杂的相对运动。 1、静态背景 背景差分法 背景差分法是利用当前图像与背景图像的差分来检测运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如天气、光照、背景扰动及背景物移入移出等特别敏感，运动目标的阴影也会影响检测结果的准确性及跟踪的精确性。其基本思想就是首先获得一个背景模型，然后将当前帧与背景模型相减，如果像素差值大于某一阈值，则判断此像素属于运动目标，否则属于背景图像。背景模型的建立与更新、阴影的去除等对跟踪结果的好坏至关重要。 帧间差分法 相邻帧间差分法是通过相邻两帧图像的差值计算，获得运动物体位置和形状等信息的运动目标检测方法。其对环境的适应性较强，特别是对于光照的变化适应性强，但由于运动目标上像素的纹理、灰度等信息比较相近，不能检测出完整的目标，只能得到运动目标的部分信息且对运动缓慢的物体不敏感，存在一定的局限性。贺贵明等人在相邻帧间差分法的基础上提出了对称差分法，通过对图像序列中每连续三帧图像进行对称差分，检测出目标的运动范围，同时利用上一帧分割出来的模板对检测出来的目标运动范围进行修正，能较好地检测出中间帧运动目标的形状轮廓。 光流法 在空间中，运动可以用运动场描述，而在一个图像平面上，物体的运动往往是通过图像序列中图像灰度分布的不同来体现，从而使空间中的运动场转移到图像上就表示为光流场。光流场反映了图像上每一点灰度的变化趋势，可看成是带有灰度的像素点在图像平面上运动而产生的瞬时速度场，也是一种对真实运动场的近似估计。在比较理想的情况下，它能够检测独立运动的对象，不需要预先知道场景的任何信息，可以很精确地计算出运动物体的速度，并且可用于动态场景的情况。但是大多数光流方法的计算相当复杂，对硬件要求比较高，不适于实时处理，而且对噪声比较敏感，抗噪性差。 2、动态背景 由于存在着目标与摄像机之间复杂的相对运动，动态背景下运动目标检测要比静态背景下的运动目标检测复杂得多。通常情况下，摄像机的运动形式可以分为两种：a)摄像机的支架固定，但摄像机可以偏转、俯仰以及缩放; b)将摄像机装在某个移动的载体上。由于以上两种情况下的背景及前景图像都在做全局运动，要准确检测运动目标的首要任务是进行图像

目标跟踪算法的研究毕业论文

目录 摘要 (1) ABSTRACT (2) 第一章绪论 (4) 1.1课题研究背景和意义 (4) 1.2国外研究现状 (5) 1.3本文的具体结构安排 (7) 第二章运动目标检测 (8) 2.1检测算法及概述 (8) 2.1.1连续帧间差分法 (9) 2.1.2背景去除法 (11) 2.1.3光流法 (13) 第三章运动目标跟踪方法 (16) 3.1引言 (16) 3.2运动目标跟踪方法 (16) 3.2.1基于特征匹配的跟踪方法 (16) 3.2.2基于区域匹配的跟踪方法 (17) 3.2.3基于模型匹配的跟踪方法 (18) 3.3运动目标搜索算法 (18) 3.3.1绝对平衡搜索法 (18) 3.4绝对平衡搜索法实验结果 (19) 3.4.1归一化互相关搜索法 (21)

3.5归一化互相关搜索法实验结果及分析 (22) 第四章模板更新与轨迹预测 (26) 4.1模板更新简述及策略 (26) 4.2轨迹预测 (28) 4.2.1线性预测 (29) 4.2.2平方预测器 (30) 4.3实验结果及分析： (31) 致 (36) 参考文献 (37) 毕业设计小结 (38)

摘要 图像序列目标跟踪是计算机视觉中的经典问题，它是指在一组图像序列中，根据所需目标模型，实时确定图像中目标所在位置的过程。它最初吸引了军方的关注，逐渐被应用于电视制导炸弹、火控系统等军用备中。序列图像运动目标跟踪是通过对传感器拍摄到的图像序列进行分析，计算出目标在每帧图像上的位置。它是计算机视觉系统的核心，是一项融合了图像处理、模式识别、人工只能和自动控制等领域先进成果的高技术课题，在航天、监控、生物医学和机器人技术等多种领域都有广泛应用。因此，非常有必要研究运动目标的跟踪。 本论文就图像的单目标跟踪问题，本文重点研究了帧间差分法和背景去除法等目标检测方法，研究了模板相关匹配跟踪算法主要是：最小均方误差函数(MES)，最小平均绝对差值函数(MAD)和最大匹配像素统计(MPC)的跟踪算法。在跟踪过程中，由于跟踪设备与目标的相对运动, 视野中的目标可能出现大小、形状、姿态等变化, 加上外界环境中的各种干扰, 所要跟踪的目标和目标所在的场景都发生了变化, 有可能丢失跟踪目标。为了保证跟踪的稳定性和正确性, 需要对模板图像进行自适应更新。由于目标运动有一定得规律，可以采取轨迹预测以提高跟踪精度，本文采用了线性预测法。 对比分析了相关匹配算法的跟踪精度和跟踪速度；对比不采用模板更新和模板跟新的跟踪进度和差别，实验表明，跟踪算法加上轨迹预测及模板跟新在很大程度上提高了跟踪帧数，提高了跟踪精度，具有一定的抗噪声性能。

遮挡情况下车辆跟踪算法的研究

目录 第一章绪论 ........................................................................................................................... - 1 -1.1课题研究的背景及意义 ...................................................................................................... - 1 - 1.1.1 智能交通系统的介绍................................................................................................ - 1 - 1.1.2 智能交通系统的意义................................................................................................ - 2 -1.2运动车辆检测与跟踪的研究现状 ...................................................................................... - 3 - 1.2.1 运动车辆检测............................................................................................................ - 3 - 1.2.2 运动车辆跟踪............................................................................................................ - 4 -1.3运动车辆检测与跟踪的难点 .............................................................................................. - 6 -1.4本文研究内容及结构安排 .................................................................................................. - 7 - 1.4.1 本文的研究内容........................................................................................................ - 7 - 1.4.2 本文的结构安排........................................................................................................ - 7 -第二章图像预处理 ............................................................................................................... - 9 - 2.1颜色模型 .............................................................................................................................. - 9 - 2.1.1 RGB颜色模型............................................................................................................ - 9 - 2.1.2 HSV颜色模型.......................................................................................................... - 10 - 2.1.3 数字图像颜色模型间的转换.................................................................................. - 11 -2.2形态学运算基础 ................................................................................................................ - 13 - 2.2.1 腐蚀.......................................................................................................................... - 13 - 2.2.2 膨胀.......................................................................................................................... - 14 - 2.2.3 开闭运算.................................................................................................................. - 15 -2.3本章小结 ............................................................................................................................ - 16 -第三章运动车辆检测方法的研究 ..................................................................................... - 17 - 3.1常用的运动车辆检测方法 ................................................................................................ - 18 - 3.1.1 背景差分法.............................................................................................................. - 18 - 3.1.2帧间差分法 .............................................................................................................. - 21 - 3.1.3光流法 ...................................................................................................................... - 22 - 3.1.4三种常用运动车辆检测方法的比较 ...................................................................... - 23 -3.2本文的运动目标检测方法 ................................................................................................ - 25 - 3.2.1双向隔帧差分相乘法 .............................................................................................. - 26 - 3.2.2双向隔帧差分相乘法与平均背景差分法的算法结合 .......................................... - 27 -3.3车辆提取 ............................................................................................................................ - 28 - V

多目标跟踪算法

多目标跟踪算法 先来回顾下卡尔曼滤波器： 假定k k x |表示当前k 时刻目标的状态，k 1k x |+表示下一个时刻目标的状态，k z 则表示k 时刻的实际观测。一般地模型都假定为线性的： 这里的1k x +为k+1时刻目标的状态，k x 为k 时刻的状态，为状态转移矩阵，而是服从均值为0方差为的正态分布，表示由噪声等引起的干扰。卡尔曼滤波采取初步估 计： 这里的估计只是初步的估计，状态估计与实际状态的误差矩阵等于状态1k x +的的方差，即： 更新（修正）： 这里已知了实际观察，同样是假定观测与状态的似然关系是线性的，即满足： 服从一个均值为0方差为 的正态分布。 卡尔曼滤波器给出了经过更新后得到的比较合理的k+1时刻的估计为： 相应地得到了更新后方差的估计： 这里： 其实这些都是通过最小二乘法推出来的，即使得误差： 最小，而初步估计也是通过最小二乘法获得，即使得： 最小。有了上述估计方程后，便可以获得一个估计流程：

下面再介绍下贝叶斯公式 先看一个定义 马氏链： 设{} ,,,k j i E =为有限集或可列集，称()0n n X ≥为定义在概率空间()P F,,Ω上，取值于空间E 的马氏链，如果满足下面的马氏性：对一切n 10i i i ,,, 有 [][]1n 1n n n 1n 1n 00n n i X i X P i X i X i X P ----======|,,| 若左边的条件概率有定义，则称[]i X j X P 1n n ==-|为在n-1时刻状态为i,在n 时刻在j 的转移概率函数，若它与n 无关，则记为ij p ，并称为时齐的或齐次的。显然这里的马氏性接近于独立性，在一定程度上可以称为无记忆性或无后效性。 下面我们来推导贝叶斯公式： 容易由条件概率公式定义知 而 ()()()()()()( ) ()() ()( ) ()() ( )() ()()() 1 k 1 k 1k k k 1 k k 1k k k 1k k 1k k k 1k k k k k 1k 1k 1k k k 1k k k k k 1k 1k 1k k k 1k 1k 1k k k 1k 1k 1k 1k 1k z x f dx x f x z f x f x z f z f dx x f x z f x z f z f x f x z f x z f dx z x f x z f z x f x z f x f +++++++++++++++++++++++== ? == ?? ?||||||||||||||||||||||||| 就得到了更新后的公式如下： 这里记 于是就可以得到贝叶斯滤波器跟踪流程如下： 实际上可以证明，卡尔曼滤波器是贝叶斯滤波器的一种特殊形式，由于假定噪声服从正态分布，同样地观测与状态估计的误差也是服从正态分布，那么不难得：

视频图像中车辆的车型识别算法研究与实现

毕业设计说明书 作者：学号： 系：信息工程系 专业：电子信息工程 题目：视频图像中车辆的车型识别 算法研究与实现 指导者： 评阅者： 2013年 6月1日

目次 1 绪论 (1) 1.1 课题的研究背景和意义 (1) 1.2 课题的研究现状 (2) 1.3 本文的基本内容和组织结构 (3) 2 车型识别系统简介 (4) 2.1 预处理 (4) 2.2 特征提取 (4) 2.3 特征匹配 (4) 3 基于灰度阈值分割法的车型识别 (6) 3.1 介绍各模块设计 (6) 3.1.1 预处理模块 (6) 3.1.2 特征提取模块 (7) 3.1.3 特征匹配模块 (7) 3.2 运行结果 (8) 3.3 结果分析 (11) 4 基于图像背景差值法的车型识别 (13) 4.1 介绍各模块设计 (13) 4.1.1 预处理模块 (13) 4.1.2 特征提取模块 (14) 4.1.3 特征匹配模块 (14) 4.2 运行结果 (15) 4.3 结果分析 (29) 4.4 结果对比 (30) 结论 (32) 参考文献 (34) 致谢 (35)

1 绪论 车型识别的目的是对待识别车辆进行车型的判别（该课题将车型分为轿车、货车、客车三类），它是通过分析比较待识别车辆侧面视觉特征信息实现的，主要借助于计算机技术的应用，车型识别技术是一种轮廓特征识别技术，是用待识别车辆的侧视轮廓特征来判别所属车型。车辆的侧视轮廓特征主要抽象为车顶长度、车辆高度和车身长度，依此可求得待识别车辆的顶长比、顶高比和前后比（车顶中垂线将车身长分得两部分的比值），而通过统计计算可求得三类车型（轿车、货车、客车）的特征值（顶长比、顶高比、前后比）的范围，将提取的待识别车辆的特征值与统计值相比较可实现对待识别车辆的车型判别[1]。 1.1 课题的研究背景和意义 中国正处在一个快速发展的时期，各种车型车辆数量也在持续上升，使得我国城市交通越来越拥挤，人们需要借助一种交通智能化系统来提高交通情况监控的实时性和交通管理的自动化程度，这也为智能交通系统的产生提供了条件。在我国的一些大城市正在逐步提高交通管理的智能化，主要体现在实现高速公路的快捷收费、公共场所车辆监控自动化加强等方面，我们对交通管理智能化的需求日益增加，这将带动智能交通系统的不断发展。 人们对车型识别的研究虽然已有很长一段时间，但仍有许多难题仍未解决，首先，车辆的颜色、光泽度等都会随着时间的推移和环境的改变而发生变化，而且即使是同一车辆在录入镜头时的形状、大小也各不同，这主要与位置和速度的随机性有关；第二，车辆录入镜头的外观状态还与摄像头位置、临近的物体或临近的车辆对待识别车辆的遮挡程度有关；第三，车型识别的准确性和快捷性还与光照情况的改变、天气季节的交替及背景图像的不断变化紧密相关。因此现在的车型识别技术还远不能满足当代大城市交通智能化管理的需求，我们仍需对车型识别技术进行改进以满足准确性和使用性上的要求。 目前已经解决交通智能管理的大部分关键技术，但是部分细节方面仍然存在不足，准确性不高就是其中的一方面。交通智能管理的关键技术包括车型判别，希冀借

自动泊车系统路径规划与跟踪算法研究

自动泊车系统路径规划与跟踪算法研究自动泊车系统作为车辆智能化时代代表系统之一,成为各大汽车公司展示自身在车辆智能化方面实力的主要途径;在泊车位日益稀缺、泊车空间日益缩小的今天,自动泊车系统逐渐成为车辆的“标配件”,成为消费者购车的主要参考项之一。本文主要针对自动泊车系统的核心问题——系统控制算法进行深入探究,分泊车路径规划与路径跟踪两方面进行讨论分析。 在路径规划方面,基于车辆低速运动特征提出了一种特殊的轨迹线——双匀速轨迹;基于泊车工况中驾驶员的操纵行为进一步提出了主要应用于泊车路径规划的轨迹线——车辆DCD轨迹(双匀速-圆弧-双匀速轨迹);对DCD轨迹相关参数进行补充和说明,总结了利用DCD轨迹规划平行泊车和垂直泊车路径的方法,利用逆向路径规划的方法分析了在一次性泊车情况下的最小可行泊车空间和泊车可行域问题。在路径跟踪方面,本文首先研究了双速变化对于双匀速轨迹的影响规律,发现了在车辆双速同时成比例变化时,所形成的双匀速轨迹具有固定的形态;将双匀速轨迹特性进一步延伸至DCD轨迹中,得到了DCD轨迹所具有的特殊性质;利用DCD轨迹的特殊性质,设计了一种基于实时车速和车辆所处阶段的方向盘转角控制算法,该算法利用DCD轨迹的特性找到了车速与方向盘转速间的变化关系,大幅降低车速波动对于路径跟踪精度的影响;由于基于DCD轨迹特性的泊车控制算法为开环算法,无法处理随机干扰对于路径跟踪效果的影响,为了提高算法的稳定性,本文基于非时间参考的路径跟踪控制理论推导出车辆跟随直线目标轨迹的方向盘转角控制率,在原开环算法中加入中部利用闭环算法调整车辆位姿的环节,利用Carsim中的车辆模型验证了经过改进的“半闭环”算法在理论上的可行性。

基于MATLAB的车辆识别研究

基于MATLAB的车牌识别研究

摘要 随着我国公路事业的发展，人工管理方式已经不能满足如今实际的需要。车牌识别技术是计算机视频图像识别技术在车辆牌照识别中的一种应用，是现代智能交通系统（Intelligent Traffic System，简称ITS）中的重要组成部分之一。车牌识别系统（vehicle license plate recognition system，简称LPR）使车辆管理更加智能化、数字化，有效提升了交通管理的效率。对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。而牌照作为机动车辆管理的唯一标识符号，使得车辆牌照识别系统的研究在机动车管理方面具有重要的实际意义。 本文通过对题目的研究，设计了一个基于Matlab软件的车牌识别程序，可实现图像预处理、车牌定位、字符分割，然后通过神经网络对车牌进行字符识别，从图像中提取车牌中的字母和数字，从而得到文本形式的车牌号码。其中，图像预处理是通过图像灰度化及Roberts算子进行边缘检测完成。车牌定位是通过数学形态法来确定，然后再通过车牌彩色信息的彩色分割法来完成车牌的切割。字符分割是将车牌部分进行二值化后，进行垂直投影以及对投影部分扫描得到。通过用该算法对三个问题中的照片和视频进行处理，可识别车辆牌照： 问题1: image_1.jpg中牌照信息肉眼可识别为渝A?7Y618，但本算法未将汉字识别； image_2.jpg中牌照信息肉眼可识别为渝B?PY287，但本算法未将汉字识别，未将数字完整识别； image_3.jpg中牌照信息肉眼可识别为渝B?XW192，但本算法未能识别； 问题2： image_4.jpg中牌照信息肉眼可识别为渝B?SU298，但本算法未能识别； image_5.jpg中牌照信息未能识别； 问题3： video.avi中肇事车辆牌照信息未能识别。 关键词：Matlab ；牌照识别；图像预处理；车牌定位；字符分割；神经网络