1、隨著平安城市項(xiàng)目的大力推進(jìn),安防監(jiān)控產(chǎn)業(yè)不斷發(fā)展,城市交通作為平安城市的重點(diǎn)項(xiàng)目日益受到社會(huì)的廣泛關(guān)注。其中利用智能交通系統(tǒng)( Intelligent Transportation System,簡(jiǎn)稱(chēng)ITS)來(lái)解決城市道路交通問(wèn)題已成為當(dāng)今社會(huì)處理交通信息的主要手段。因此,對(duì)運(yùn)動(dòng)車(chē)輛的檢測(cè)和跟蹤作為智能交通分析交通情況的基礎(chǔ)而成為研究熱點(diǎn)。
　　本文從對(duì)視頻圖像的處理,運(yùn)動(dòng)車(chē)輛的檢測(cè)和運(yùn)動(dòng)車(chē)輛的跟蹤以及車(chē)輛測(cè)速和分類(lèi)這幾個(gè)方面對(duì)課

2、題進(jìn)行了研究。在車(chē)輛檢測(cè)環(huán)節(jié),通過(guò)對(duì)現(xiàn)有的常用車(chē)輛檢測(cè)技術(shù)的分析,最終采用了背景差分法作為車(chē)輛檢測(cè)的算法。通過(guò)對(duì)背景差分法的背景更新模型混合高斯算法進(jìn)行改進(jìn),在不改變檢測(cè)準(zhǔn)確度的基礎(chǔ)上提高了算法的實(shí)時(shí)性。在對(duì)檢測(cè)車(chē)輛進(jìn)行跟蹤時(shí),對(duì)比了卡爾曼濾波、粒子濾波和CAMShift算法的效果,最后使用了將卡爾曼濾波和CAMShift算法相結(jié)合的車(chē)輛跟蹤算法。在對(duì)車(chē)輛的車(chē)速進(jìn)行檢測(cè)時(shí),考慮到對(duì)車(chē)輛分類(lèi)的影響。本課題提出了將虛擬線(xiàn)圈測(cè)速與運(yùn)動(dòng)車(chē)輛跟蹤

3、相結(jié)合的算法。在車(chē)輛經(jīng)過(guò)虛擬線(xiàn)圈時(shí)開(kāi)始跟蹤,離開(kāi)虛擬線(xiàn)圈后跟蹤結(jié)束。計(jì)算兩次通過(guò)時(shí)車(chē)輛質(zhì)心的位置和通過(guò)時(shí)間,從而計(jì)算出車(chē)輛的速度。最后通過(guò)對(duì)車(chē)輛兩次經(jīng)過(guò)線(xiàn)圈時(shí)檢測(cè)到的長(zhǎng)度對(duì)車(chē)輛進(jìn)行簡(jiǎn)單的分類(lèi)。
　　本課題改進(jìn)研究包括以下幾個(gè)組成部分:
　　1.在圖像經(jīng)過(guò)預(yù)處理后,需要從處理結(jié)果中準(zhǔn)確地檢測(cè)運(yùn)動(dòng)車(chē)輛。本文分析了均值濾波、中值濾波、高斯分布模型等算法的原理及其實(shí)驗(yàn)的對(duì)比效果。最終通過(guò)對(duì)傳統(tǒng)的混合高斯模型進(jìn)行了改進(jìn),通過(guò)減少高斯模

4、型的總個(gè)數(shù),在不改變檢測(cè)率的基礎(chǔ)上降低了車(chē)輛檢測(cè)過(guò)程所需的時(shí)間,提高了算法的實(shí)時(shí)性。
　　2.為了更好地對(duì)車(chē)輛的參數(shù)進(jìn)行分析,對(duì)已檢車(chē)輛的跟蹤是必不可少的步驟。本文首先對(duì)目前車(chē)輛跟蹤的算法及其原理進(jìn)行了介紹和實(shí)現(xiàn),根據(jù)實(shí)驗(yàn)效果最終
　　選擇了使用實(shí)時(shí)性較高的 CAMShift算法與卡爾曼濾波相結(jié)合的算法對(duì)車(chē)輛進(jìn)行跟蹤,這樣綜合考慮了車(chē)輛的顏色以及運(yùn)動(dòng)特征,對(duì)準(zhǔn)確跟蹤到車(chē)輛已經(jīng)抗遮擋有很好的效果。
　　3.最后,為了對(duì)車(chē)