（交通信息工程及控制专业论文）基于视频的车辆跟踪技术研究.pdf

一 n a n j i n gu n i v e r s i t yo f a e r o n a u t i c sa n d a s t r o n a u t i c s t h eg r a d u a t es c h o o l c o l l e g eo f c i v i la v i a t i o n r e s e a r c ho nv e h i c l et r a c k i n gt e c h n o l o g y b a s e do nv i d e o a t h e s i si n t r a f f i cc o m m u n i c a t i o ne n g i n e e r i n g & c o n t r o l b y h u a n gx i n - j u a n a d v i s e db y p r o f z h o uj i e m i n s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g f e b r u a r y , 2 0 10 i，习。l?；ol参i，。厂lnl?；4，i。 ： 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外， 本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标 明。 本人授权南京航空航天大学可以有权保留送交论文的复印件，允许 论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名：蕉缱 e l期：2 滥，墨丛 ，i 南京航空航天人学硕十学位论文 摘要 随着计算机技术和图像处理技术的不断发展，利川视频技术进行车辆检测与跟踪已成为智 能运输系统中的核心内容和关键技术，它具有覆盖面积人、获取交通信息量丰富等优点。 实时地跟踪运动车辆是获取可靠交通信息的重要方法。论文通过对现有的各种运动目标检 测法、运动阴影去除法和运动目标跟踪法进行分析和比较，提出了一种基于单个f i l i i 定摄像机f 的运动币辆跟踪法。该方法适h j 丁全局光照变化、午辆间存在遮挡等复杂交通场景，并能鲁棒 地克服噪声的影响。 论文的研究重点是运动币辆检测、币辆阴影去除、遮挡。卜的运动乖辆跟踪。在运动车辆检 测方面，分析混合高斯背景模型中高斯分布个数的选择和学习率的调整，提山了一种臼适应混 合高斯背景模型的运动币辆检测法，该方法检测出的印辆较完整：在车辆阴影去除方面，分析 像素点邻域内的光度特性和梯度特性，提山了一种基丁光度特性矛i i 多梯度分析的运动阴影去除 法，该方法适应性强，具有高检测率和高识别率；在遮挡卜的运动车辆跟踪方面，对传统均值 漂移法加以改进，并结合灰色预测模型实现车辆跟踪，该方法能够鲁棒性地克服遮挡的影响。 论文的研究目的是跟踪运动车辆，提出了改进的运动车辆检测法、运动阴影去除法和遮挡 下的运动车辆跟踪法，这些方法不仅在跟踪刚性目标时具有一定的应用价值，而且在跟踪非刚 性目标等应用中也具有一定的参考价值。 关键词：混合高斯背景模型，运动车辆检测，阴影去除，运动车辆跟踪，车辆遮挡 基丁视频的车辆跟踪技术研究 a b s t r a c t w i t ht h ed e v e l o p m e n to fc o m p u t e rt e c h n o l o g ya n di m a g ep r o c e s s i n gt e c h n o l o g y , v i d e o t e c h n o l o g yw h i c hc a nd e t e c ta n dt r a c kv e h i c l eh a sb e c o m et h eg o r ea n dt h ek e yt oi n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m s i th a sm a n ya d v a n t a g e ss u c ha sc o v e r i n gl a r g ea r e aa n do b t a i n i n gr i c h i n f o r m a t i o no fu a 伍c t h er e a l t i m et r a c k i n gm o v i n gv e h i c l ei sa l l i m p o r t a n tw a yf o ro b t a i n i n gr e l i a b l e t r a f f i c i n f o r m a t i o n a f t e ra n a l y z i n ga n dc o m p a r i n gv a r i o u sm e t h o d so fm o v i n gv e h i c l ed e t e c t i o n ，m o v i n g s h a d o wr e m o v a la n dm o v i n gv e h i c l et r a c k i n g ，a i lm e t h o df o rt r a c k i n gm o v i n gv e h i c l ew i t has t a t i c c a m e r ai sp r o p o s e d ，i tn o to n l yt a i ld e a lw i t hc o m p l e xt r a f f i cs c e n e ss u c ha sg l o b a li l l u m i n a t i o n c h a n g e sa n do c c l u s i o n ，b u ta l s oc a l lr o b u s tt os o l v en o i s ep r o b l e m t h et h e s i s e m p h a s i z e sa r et od e t e c tm o v i n gv e h i c l e ，t or e m o v em o v i n gs h a d o wa n dt ot r a c k m o v i n gv e h i c l ew h i c hu n d e ro c c l u s i o n f i r s t l y , f o rd e t e c t i n gm o v i n gv e h i c l e ，u n d e ra n a l y z i n gt h e c h o o s eo ft h en u m b e ro fg a u s s i a na n dt h ea d j u s to ft h el e a r n i n gr a t ei nt h em i x t u r eg a u s s i a n b a c k g r o u n dm o d e l ，a na d a p t i v em o v i n gv e h i c l ed e t e c t i o nm e t h o db a s e do nm i x t u r eg a u s s i a n b a c k g r o u n dm o d e li sp r o p o s e d ，t h i sm e t h o dc a l lo b t a i nc o m p l e t ei n f o r m a t i o no fv e h i c l e ；s e c o n d l y ，f o r r e m o v i n gs h a d o w ，u n d e ra n a l y z i n gt h ep i x e l sp h o t o m e t r i cp r o p e r t i e sa n dg r a d i e n tp r o p e r t i e si ni t s n e i g h b o u r i n gp i x e l s ，am e t h o db a s e do np h o t o m e t r i cp r o p e r t i e sa n dm u l t i g r a d i e n ta n a l y s i s i s p r o p o s e d ，t h i sm e t h o dh a sp r e f e r a b l ea d a p t i v ep e r f o r m a n c e , ah i g hd e t e c t i o nr a t ea n dah i g h r e c o g n i t i o nr a t e ；l a s t l y , f o rt r a c k i n gm o v i n gv e h i c l ew h i c hu n d e ro c c l u s i o n ，t h et h e s i sh a si m p r o v e d t h ec o n v e n t i o n a lm e a ns h i f tm e t h o d , a n dc o m b i n e dg r a yp r e d i c t i o nm o d e lt ot r a c kv e h i c l e ，t h i s m e t h o di sr o b u s tt os o l v eo c c l u s i o np r o b l e m i no r d e rt ot r a c km o v i n gv e h i c l e ，t h et h e s i sp u t sf o r w a r dt h r e ei m p r o v e dm e t h o d sw h i c ha r e m o v i n gv e h i c l ed e t e c t i o nm e t h o d ，m o v i n gs h a d o wr e m o v a lm e t h o da n dm o v i n gv e h i c l et r a c k i n g m e t h o d t h e s et h r e em e t h o d sn o to n l yh a v es o m er e f e r e n c ev a l u ef o rt h ea p p l i c a t i o no ft r a c k i n gr i g i d t a r g e t s ，b u tf o rt r a c k i n gn o n - r i g i dt a r g e t s k e yw o r d s ：m i x t u r eg a u s s i a nb a c k g r o u n dm o d e l ，m o v i n gv e h i c l ed e t e c t i o n ，s h a d o wr e m o v a l ， m o v i n gv e h i c l et r a c k i n g ，v e h i c l eo c c l u s i o n i i 南京航空航天人学硕十学何论文 目录 第一章绪论l 1 1 研究背景l 1 2 车辆跟踪技术研究的目的及意义2 1 3 国内外研究现状3 1 3 1 国外研究现状3 1 3 2 国内研究现状3 1 4 课题研究内容4 1 4 1 论文总体方案及应州环境4 1 4 2 论文研究内容5 1 4 3 论文关键技术5 1 5 课题组织结构6 第二章视频图像跟踪预备知识7 2 1 边缘检测7 2 1 1r o b e r t s 算子检测法7 2 1 2p r e w i t t 算子检测法8 2 1 3s o b e l 算子检测法8 2 1 4l a p l a e i a n 算子检测法8 2 1 5c a n n y 算子检测法一9 2 1 6 实验结果与分析9 2 2 二值化处理1 0 2 2 1 迭代法1 0 2 2 2 最大类间方差法1 1 2 2 3 灰度拉伸大津法一1 2 2 2 4 最大熵法1 2 2 2 5 本章改进的二值化法13 2 2 6 实验结果与分析1 3 2 3 噪声去除1 5 2 3 1 中值滤波法1 5 2 3 2 连通域面积法1 5 i i l 基丁视频的印辆跟踪技术研究 2 3 3 形态学滤波法1 6 2 4 图像识别一1 7 2 4 1 特征提取和选择1 7 2 4 2 目标描述17 2 5 本章小结1 8 第三章运动车辆检测1 9 3 1 运动目标检测法的总结1 9 3 1 1 背景差分法1 9 3 1 2 帧间差分法2 l 3 1 3 光流法2 1 3 1 4 混合法2 l 3 2 白适应混合高斯背景模型的运动车辆检测法2 2 3 2 1 背景重建2 2 3 2 1 1 混合高斯背景模型初始化2 3 3 2 1 2 混合高斯背景模型参数更新2 4 3 2 1 3 背景确定2 5 3 2 2 运动车辆检测2 5 3 2 3 噪声点去除2 6 3 3 实验结果与分析2 6 3 3 1 背景提取实验结果2 6 3 3 2 车辆检测实验结果。2 8 3 4 本章小结3l 第四章运动车辆阴影检测与去除3 2 4 1 运动阴影检测法的总结3 2 4 ，1 1 基于阴影模型的方法总结3 2 4 1 2 基于阴影属性的方法总结3 3 4 2 基于光度特性和多梯度分析的运动阴影去除法3 3 4 2 1 结合光度特性和连接成分分析法检测候选阴影区域3 4 4 2 2 梯度差分去除阴影。3 5 4 2 - 3 连接成分分析。3 6 4 2 4 阴影边界去除3 7 4 3 实验结果与定量评估结果：3 7 i v 南京航空航天人学硕十学位论文 4 3 1 实验结果分析3 7 4 3 2 实验结果评估3 9 4 4 本章小结4 0 第五章运动币辆跟踪4 l 5 1 运动目标跟踪法的总结4 l 5 1 1 基丁模型的跟踪4 l 5 1 2 基于区域的跟踪。4 l 5 1 3 基丁活动轮廓的跟踪4 2 5 1 4 基r 丁特征的跟踪。4 2 5 2 基丁g m ( 1 ，1 ) 预测模型和均值漂移的运动车辆跟踪法4 2 5 2 1 遮挡检测。4 3 5 2 21 f 遮挡- 卜的运动车辆跟踪4 4 5 2 3 遮挡下的运动午辆跟踪4 5 5 2 3 1g m ( 1 ，1 ) 预测模型原理4 5 5 2 3 2 基于g m ( 1 ，1 ) 预测模型的车辆重心位置预测4 6 5 2 3 3 基于g m ( 1 ，1 ) 预测模型的车辆重心位置预测结果4 7 5 2 3 4 基于均值漂移法的跟踪原理4 7 5 2 3 5 均值漂移法中目标初始位置的改进4 9 5 2 3 6 均值漂移法中颜色模型的改进4 9 5 2 3 7 均值漂移法中权值的改进4 9 5 2 3 8 结合c m ( 1 ，1 ) 预测模型和均值漂移的车辆跟踪法5 0 5 3 实验结果与分析51 5 4 本章小结5 2 第六章论文总结与展望5 3 6 1 论文总结5 3 6 2 论文展望：5 4 参考文献5 5 j l i 谢6 ( ) 发表的论文及参与完成的科研项目6 1 v 基丁视频的下辆跟踪技术研究 v i 图、表清单 图1 1 运动车辆跟踪系统框架图5 图2 1 边缘检测l o 图2 2 二值化1 4 图2 3 中值滤波法去噪1 5 图2 4 连通域面积法去噪1 6 图2 5 形态学处理1 6 幽2 6 图像识别系统1 7 图3 1 前景检测流程圈2 2 图3 2 图像时间序列上像素点直方幽2 3 图3 3 背景图2 4 图3 4h i g h w a yi 视频背景提取结果2 7 图3 5c a m p u s 视频背景提取结果2 7 图3 6 作者拍摄视频背景提取结果2 8 图3 7h i g h w a yi 视频检测结果2 9 图3 8c a m p u s 视频检测结果3 0 图3 9 作者拍摄视频检测结果3 0 图4 1 场景区域划分图3 2 图4 2 阴影检测流程图3 4 图4 3 检测候选阴影区域3 5 图4 4s o b e l 模板一3 5 图4 5 梯度差分结果3 6 图4 6 去除阴影边界3 7 图4 7 阴影去除结果3 9 图5 1 车辆跟踪流程图4 3 图5 2 车辆间遮挡4 3 图5 3 车辆的外接矩形框4 4 图5 4 车辆的第一次跟踪4 4 图5 5g m ( 1 ，1 ) 预测模型的跟踪结果4 7 图5 6 运动车辆跟踪结果5 l 南京航空航天人学硕? 卜学位论文 图5 7 印辆重心位置5 2 表2 1 迭代过程1 4 表4 1 定量评估结果4 0 表5 1 基丁g m ( 1 ，1 ) 预测模型的位置预测4 7 v i i 基丁视频的印辆跟踪技术研究 v i l i 略写 i t s g m m g m ( i ，1 ) 变量名 g ( x ，y ) o j c o ( k ) ) 心。( k ) 心( 七) p 6 ( 尼) p ，( 尼) 玩( 尼) q ( 七) i t b ，协 置伉力 k p ( i ，( x ，y ) ) ，7 ( i ，“y ) ，舫) 口、口 英文全称 注释表 中文名称 i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s 智能运输系统 g a u s s i a nm i x t u r em o d e l g r a ym o d e l ( 1 ，1 ) 基本变量表 变量的意义 边缘强度 c o 出现的概率 c i 出现的概率 c o 的均值 c l 的均值 背景区域的概率 目标区域的概率 背景熵 目标熵 t 时刻当前帧中砂点处的像素值 t 时刻背景帧中( ”0 点处的像素值 高斯分布的个数 像素点伍力在f 时刻属于背景的概率 高斯分布的概率密度函数 学习率 高斯混合模型 灰色预测模型 南京航空航天人学硕+ 学位论文 c d t l 矿乏 a d i f f c o l o l t i “力 l ( 工，y ) ，脚二，。( x ，j ，) s “j ，) ( y ) 彰( 工，y ) d b ，访 s h a d o w ( x ，y ) g r a ( x , 力 珲 珲 珲 熙 啡 7 7 孝 r e c t p r e c t o a r e a 以 v 矗 厂g ( x ) t 时刻混合高斯背景模型中第f 个高斯的均值 ，时刻混合高斯背景模型中第f 个高斯的权重 f 时刻混合高斯背景模型中第f 个高斯的方差 当前帧与参考背景i 帧的相似度 第f , 哼a e e 像素点) 处的次数 最人次数对应的像素灰度值 次人次数对应的像素灰度值 像素点幻) 与其4 邻域像素的累积和 当前帧中像素点b ) 的区域累积和 背景帧中像素点( x o - ) 的i 叉：域累积和 区域累积利的比值 像素点的) 的阴影值 像素点劬) 的梯度值 正确分类的阴影点数 正确分类的目标点数 目标点数减去应属于目标但却误分类为阴影的像素点数 错误分类的阴影点数 错误分类的目标点数 检测率 识别率 车辆的面积 车辆的外接矩形面积 面积比 g m ( 1 ，1 ) 预测模型中待估参数向量 密度梯度估计 密度估计 i x 基丁视频的乍辆跟踪技术研究 x g ( x ) 、后( x ) 8 ( x ) 办 m g 。 p 。 p ( j ，) d ( y ) y i 轮廓函数 k r o n e c k e rd e l t a 函数 带宽 均值漂移矢量 目标模型 候选目标模型 目标模型和候选目标模型的相似度 直方图的距离 均值漂移迭代式 南京航空航天人学硕十学位论文 第一章绪论 1 1 研究背景 近年来，我国交通运输业的规模、质量、技术装备水平发生了巨人的变化，取得了辉煌的 成就。其主要表现在：铁路运输业整体水平显蒋提升、高速公路建设迅猛发展、港口建设步伐 加快、航空运输业快速发展。到目前，已形成铁路、公路、水路、k 航立体交通运输网，为适 应国比经济和社会发展的需要奠定了坚实的基础。 交通运输业发展的同时，也给城市的发展和经济的增长带来了一系列的问题。总的米说， 我国交通运输业主要面临以下挑战l l j ： 首先，城市化与汽车化发展十分迅猛，城市道路交通需求与供给的矛盾日螽突出。我国人 均十地资源有限，特别是城市土地利用尤为紧张，冈此道路的供给总不能满足交通运输业发展 的需求。城市交通的ji ：作重点是加强交通设施建设，而设施建设义会诱发新的交通量，交通需 求总是倾向于超过交通供给1 2 1 。根据国家统计局资料，2 0 0 8 年底，全国民j ：i j 汽车保有量达至u 6 4 6 7 万辆，比上年末增长1 3 5 ，其中私人汽车保有量4 1 7 3 万辆，增k ：1 8 1 ；民朋轿车保有量达到 2 4 3 8 万辆，增长2 4 5 ，其中私人轿车1 9 4 7 万辆，增长2 8 。 其次，交通管理水平不能满足当前需要，交通流量急剧上升，交通事故日益增加。目前造 成交通事故的原因除了人们交通法制意识淡薄、管理部门职责不明等人为因素外，最重要的是 我国公路运行中监控和管理技术水平不能满足当前交通的需要。根据国家公安部统计资料可知， 2 0 0 8 年，全国共发生道路交通事故2 6 5 2 0 4 起，造成7 3 4 8 4 人死亡，3 0 4 9 1 9 人受伤，直接财产损失 l o 1 亿元。2 0 0 9 年全国道路交通流量、机动车保有量和驾驶人数进一步增长，道路交通事故预 防工作的压力将进一步扩大。 再次，能源消耗高，运输效率低。环保和节能是中国成为世界汽车生产大国和强国必须面 对的问题。公路交通运输主要的动力能源是石油和天然气【3 】，对于人口众多而石油资源紧缺的 中国国情，我国必须要发展新能源车来节油和代替石油车。 最后，机动车污染日益严重。我国地区经济发展不平衡，机动车排放造成的污染问题逐渐 显现出来。根据国家环保总局的研究表明，机动车可排放2 0 0 多种化学污染物，其中对人体危害 最大的主要有一氧化碳、碳氢化合物、氮氧化合物、硫化物及可吸入颗粒物等，这些污染物极 易被人的呼吸器官吸入，并对人体造成严重的危害。例如全国废气中生活二氧化硫，2 0 0 7 年排 放量为3 2 8 1 万吨，占二氧化硫排放总量的1 3 3 ；2 0 0 8 年排放量为3 2 9 9 万吨，占二氧化硫排放 总量的1 4 2 。 面对以上挑战，智能运输系统应运而生。 基丁视频的下辆跟踪技术研究 智能运输系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s ，缩写为i t s ) ，是将先进的信息技术、数据 通信传输技术、电子传感技术、电子控制技术以及计算机处理技术有效地集成运川于整个运输 管理体系，从而建立起一种在人范嗣内、全方位发挥作刚的，实时、准确、高效的综合运输和 管理系统。在公路运输领域，该系统将采集到的各种道路交通信息及服务信息经交通管理中心 集中处理后，传输到公路运输系统的各个用户，山行者可实时选择交通方式和交通路线；交通 管理部门可自动进行合理的交通疏导、控制和事故处理；运输部门可随时掌握车辆的运行情况， 进行合理调度1 4 。 视频乖辆检测系统是智能运输系统的基本组成部分，是高速公路和城市道路监控系统的重 要信息来源l 卯。根据检测原理，视频乖辆检测技术可分为两种1 6 1 ：虚拟线圈法和布辆跟踪法。 虚拟线罔法，即川户在图像的一定区域定义虚拟线罔，通过计算虚拟线圈内灰度的变化来检测 车辆，其原理类似于环形线罔检测器：车辆跟踪法，是基于图像序列分析的方法米实现对车辆 的检测利跟踪，其原理是根据车辆的特征对币辆进行检测、识别，并随时间变化不断地确定车 辆的位置。 基于视频的车辆跟踪技术首先利刚视频检测提取出车辆，对目前路况进行实时而准确地描 述；其次统计各交通参数，如车流量、车流密度、车型、车速，且可以检测车辆间是否存在超 车现象和检测事故的突发等。人们据此可以对交通运输进行整体规划，从而减轻交通堵塞、改 善交通环境。 基于视频的车辆跟踪法可广泛应用于高速公路、城市道路、飞机场、港口等领域。该方法 具有众多优点：机器设备安装方便且不具有破坏性、覆盖面积大、获取的交通信息量丰富、具 有交通监控和交通管理功能、为交通管理部门提供可视图像等【4 】。因此，基于视频的车辆跟踪 技术已成为近年来车辆检测领域中的研究热点，具有重要的学术价值和社会、经济意义。 1 2 车辆跟踪技术研究的目的及意义 视频车辆跟踪技术的应用可以提高交通效率、预防交通事故的发生、大大减少人力和物力 的消耗，并能极大地提高运动车辆行为分析的及时性和准确性。 尽管基于视频的车辆跟踪技术具有上述优点，但它也面临着一些问题：交通场景的复杂变 化会导致背景和车辆特征不稳定、车辆的阴影会导致车辆形状发生改变、车辆问的遮挡会导致 车辆难以识别等。 鉴于视频车辆跟踪技术中运动车辆的准确检测、运动车辆阴影的有效去除、运动车辆的实 时跟踪是智能运输系统的核心内容和关键技术，如果此三步骤没有得到鲁棒性地处理，势必降 低了车辆跟踪的准确度。 因此，本课题主要对基于视频的车辆跟踪技术进行研究。 2 南京航空航天人学硕十学位论文 1 3 国内外研究现状 1 3 1 国外研究现状 基于视频的车辆跟踪技术作为一种能提供交通量、速度等交通参数的技术已成为当前的研 究热点。目前存在的基于视频的车辆跟踪方法有很多种，各种方法均有其优缺点。 1 9 7 8 年，美国j p t ( 加州帕萨迪纳市的喷气推进实验室) 首先提出了运川机器视觉进行车辆 检测的方法，并指山该方法是传统检测方法的一种可行的替代方案。1 9 9 1 年，美国明尼苏达人 学的m i c h a l o p o u l o s l ，j 提出了一种基丁视频的：乍辆检测系统。该系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山车辆目标。它的优点是在不同场景和环境下测试效果都良好。 随后，美国波十顿学院的b e t k e 等人【8 】提山了一种硬实时视觉系统。该系统结合颜色、边缘和运 动信息米跟踪和识别道路边界、午道线、乍辆。它的优点是实时性好，不需要专门的便件设备， 多数情况下能准确地跟踪布辆，但在背景与币辆灰度相似或夜晚交通拥挤时，乖辆的初始轮廓 将难以获得，跟踪效果不理想。 日本东京人学的k a m i j o 等人p j 提出了一种在交义口自动跟踪车辆并识别交通事故的方法。 此方法运用时空马尔可夫随机场技术跟踪车辆，并结合隐马尔可大模型识别交通事故事件。它 的优点是鲁棒性地解决了部分遮挡问题，但运行速度慢。 韩国江南大学的c h o i 等人【m 】提出了一种基于特征的车辆跟踪法。此方法首先结合背景差 分、边缘检测、形态学滤波和4 连通轮廓跟踪技术检测出车辆，其次运用模板匹配法跟踪车辆。 它的优点是对光照强度不敏感，且解决了遮挡问题，但其跟踪效果受车辆阴影的影响。 澳大利亚卧龙岗大学b o u t t e f r o y 等人l i l j 提出了一种融合卡尔曼滤波和均值漂移法的车辆 跟踪法。此方法运用背景差分法检测出运动像素，并结合均值漂移法进行车辆跟踪。它的优点 是利用卡尔曼滤波初始化均值漂移法，优化了均值漂移法中带宽的选择和初始位置的确定。 1 3 2 国内研究现状 国内关于视频跟踪技术的研究是在世界智能交通热的推动下逐渐发展起来的。视频跟踪是 计算机视觉中一个重要的研究领域，同时也是智能运输系统的一个重要组成部分。近年来，已 有越来越多的学者对视频跟踪进行了研究。 l i uz h i y u a n 等人【1 2 1 运用背景差分法检测运动车辆，并结合基于贝叶斯框架的粒子滤波法 实现对运动车辆的跟踪。 z h a n gj u n 等人开发了在交叉口对违章车辆进行检测和跟踪的系统。该系统在混合高斯 背景模型重建背景的基础上利用背景差分法检测运动车辆，运用h o u g h 变换检测车道线，通过 判断车辆中一c , 至- u 车道线的距离火小检测违章车辆，并结合改进的均值漂移法跟踪违章车辆。 谢磊等人【14 】利用车辆的角点特征跟踪运动车辆。他们通过背景差分法实现对车辆的检测， 3 基丁视频的车辆跟踪技术研究 井根据币辆的角点信息，运川卡尔曼滤波法跟踪印辆。 郁梅等人提出了一种复杂交通场景中的车辆检测新方法。该方法通过背景差分和边缘检 测技术检测出运动车辆，并利用时域上区域间的匹配米实现车辆的跟踪。它解决了车辆遮挡问 题，并消除了车辆阴影的影响。 袁基炜等人提出了一种基于灰色预测模型g m ( 1 ，1 ) 的运动目标跟踪法。该方法通过不断 更新g m ( 1 ，1 ) 模型来克服随机噪声的干扰，与k a l m a n 滤波跟踪法相比，具有高准确性。但他 米对车辆遮挡进行研究。 张晖等人【 1 提出了一种基于改进的g v f s n a k e 模型的午辆跟踪法。该方法利h j 帧间著分 技术自动获取车辆的初始轮廓，后期通过改进的g v f s n a k e 模型提取车辆的轮廓，并结合预测 算法实现对车辆的跟踪。它快速、准确，但朱解决s n a k e 模型对车辆遮挡的敏感性。 以上研究者为动态视频图像的检测与跟踪提供了必要的理论依据和基础知识，但是很多方 法的精度都受复杂的交通场景、车辆阴影和车辆遮挡的影响，冈此，从：l ：程应_ h j 角度而言，有 必要对复杂背景的重建、车辆阴影和车辆遮挡进行研究，以提高复杂交通场景。卜的车辆跟踪精 度。 1 4 课题研究内容 1 4 1 论文总体方案及应用环境 论文的主要任务是跟踪运动车辆，总体设计方案为： ( 1 ) 通过摄像头采集视频图像，对视频图像进行预处理； ( 2 ) 针对每一帧，检测出运动前景区域，此区域中含有运动车辆及其阴影； ( 3 ) 针对运动前景区域，去除车辆的投射阴影，得到运动车辆区域； ( 4 ) 跟踪运动车辆。 论文框架图如图1 1 所示。 论文的应用环境为： ( 1 ) 高速公路、城市道路、飞机场、港口； ( 2 ) 全局光照变化，允许存在阴影； ( 3 ) 车辆间允许存在遮挡： ( 4 ) 单个固定的摄像机，允许摄像机轻微抖动。 4 南京航空航天人学硕十学位论文 1 4 2 论文研究内容 图1 1 运动车辆跟踪系统框架图 论文研究的主要内容是解决单摄像机下的运动车辆跟踪问题。 论文列举了目前存在的多种运动目标检测法、运动阴影去除法和运动目标跟踪法，在分析 比较各种方法的基础上，提出了每种方法的优缺点，并最终选择改进的自适应混合高斯背景模 型的检测法作为论文采用的车辆检测法、基于光度特性和多梯度分析的运动阴影去除法作为论 文采用的阴影去除法、基于g m ( 1 。1 ) 预测模型和均值漂移的跟踪法作为论文采用的车辆跟踪法。 论文在运动车辆检测步骤中重点研究了混合高斯背景模型中初始背景的构建和学习率的调 整：在运动阴影去除步骤中重点研究了像素的光度特性和梯度特性；在运动车辆跟踪步骤中重 点研究了均值漂移法中目标初始位置、权值和颜色模型的选择。 最后，将论文中采用的方法与传统的方法对比，通过比较结果验证论文方法的鲁棒性。 1 4 3 论文关键技术 论文中使用的关键技术主要涵盖于运动车辆检测及提取、运动阴影检测及去除、运动车辆 5 基丁视频的下辆跟踪技术研究 跟踪中。 ( 1 ) 运动车辆检测及提取 智能视频监控系统中遇到的首要问题是如何在交通场景中提取运动车辆，即运动乍辆的检 测。对于同定场景中运动车辆的检测，目前常川的检测方法有：背景差分法、帧间差分法、光 流法、混合法。论文采用混合法检测运动车辆，使用的关键技术有：帧间差分法、背景差分法、 梯度差分法、混合高斯背景模型的背景重建法、混合高斯背景模型的背景更新法。 ( 2 ) 运动阴影检测及去除 运动午辆及其阴影常常被同时检测为运动前景，严重影响了印辆的形状。论文基于此研究 了投射阴影的检测及去除，主要的关键技术有：分析当前帧与背景帧中相应像素点邻域内的光 度特性、分析候选阴影区域与背景1 喷中相应像素点的梯度、去除半影。 ( 3 ) 运动车辆跟踪 运动：乍= 辆跟踪即对进入监控场景中的运动乖辆进行连续的身份确认。论文在此步骤中使用 的关键技术有：乖辆间遮挡检测、g m ( 1 ，1 ) 预测模型、均值漂移法。 1 5 课题组织结构 论文研究了运动车辆的跟踪，主要工作内容安排如下： 第一章，绪论。从运动车辆跟踪技术的研究背景、研究的目的及意义和目前国内外的研究 现状出发，提出了课题的研究内容和组织结构。 第二章，简要介绍了图像预处理知识，包括：边缘检测、二值化、噪声去除和图像识别。 在总结传统二值化法的基础上，论文提出了一种改进的结合最大类间方差法和灰度拉伸大津法 的二值化法，有效地分割了图像。 第三章，研究了运动车辆的检测。通过分析单一运动目标检测法的优缺点，提出了一种结 合帧间差分法、背景差分法和梯度差分法的运动车辆检测法，并与p k a e w t r a k u l l p o n g 提出的 方法对比，从而验证论文方法的鲁棒性。 第四章，在第三章研究的基础上进行运动车辆阴影的检测及去除。通过分析比较现有的阴 影去除法，选择了运用阴影的光度特性和纹理特性去除阴影，并运用检测率和识别率验证论文 方法的鲁棒性。 第五章，在准确检测出运动车辆的基础上进行车辆跟踪方法的研究。首先判断车辆间是否 存在遮挡，若不存在遮挡，则提出运用提取轮廓和添加外接矩形框的方法跟踪车辆；若存在遮 挡，则提出结合g m ( 1 ，1 ) 预测模型和改进的均值漂移法跟踪运动车辆。 第六章，总结研究工作。系统阐述了论文的研究成果和存在问题，并提出未来的研究方向。 6 南京航空航天人学硕十学位论文 第二章视频图像跟踪预备知识 本章主要研究：i ：作为介纠几种常见的图像预处理知识。首先，针对阴影去除方法中涉及到 的边缘检测，分析比较了常刖的边缘检测法：其次，介绍了儿种常用的二值化法，并针对传统 二二值化法的缺点，提山了一种结合最火类间方差法和灰度拉伸人津法的二二值化法