1、智能交通系統(tǒng)(ITS)是現(xiàn)代交通管理的發(fā)展方向之一，而運動車輛的檢測與跟蹤是智能交通系統(tǒng)中的基礎(chǔ)問題。本文在分析和總結(jié)現(xiàn)有的車輛檢測與跟蹤技術(shù)的基礎(chǔ)上，重點研究了固定場景下基于角點SIFT特征匹配的車輛檢測定位與跟蹤方法，本文的主要研究工作包括以下幾個方面:
　　 (1)車輛角點的檢測與定位。在現(xiàn)有的車輛檢測的基礎(chǔ)上，采用Harris角點檢測算法提取了圖像中的角點這一重要局部特征，角點具有旋轉(zhuǎn)不變性和較強的抗光照干擾性;采用12

2、8維向量對各角點進行SIFT特征描述，該特征對旋轉(zhuǎn)、尺度縮放和亮度具有較好的不變性，因此本文算法能較好地適應(yīng)不同光照環(huán)境。
　　 (2)車輛角點運動軌跡的形成。對連續(xù)兩幀圖像分別進行角點提取，以其128維SIFT特征向量之間的歐式距離計算特征點之間的相似度，采用雙向匹配法獲得連續(xù)兩幀圖像中角點的匹配關(guān)系，形成軌跡;為滿足實時性要求，在角點匹配時使用卡爾曼濾波器對角點的運動軌跡進行估計，縮小匹配范圍。當(dāng)本幀中沒有找到一條軌跡的匹配

3、點時用估計點坐標作為軌跡在本幀中的位置，提高跟蹤的穩(wěn)定性。為了獲取軌跡速度以及計算車輛大小，使用基于單應(yīng)矩陣的攝像機標定方法對角點像素進行從圖像坐標系到世界坐標系的轉(zhuǎn)換。
　　 (3)角點運動軌跡分組研究，獲取車輛數(shù)據(jù)。根據(jù)軌跡間的位置、速度、方向和移動距離的加權(quán)差值衡量軌跡間的相似度;采用聚類的思想，對相似度較大的軌跡進行歸類，實現(xiàn)軌跡的分組。由于充分利用了車輛的運動信息，因此在車輛間發(fā)生遮擋時也能對車輛進行檢測區(qū)分。