1、近年來隨著經(jīng)濟發(fā)展與社會進步，車輛的數(shù)量不斷增加，車流量也隨之不斷提高，對交通基礎(chǔ)設(shè)施建設(shè)、調(diào)度與管理造成了一定影響，人們在享受交通便利的同時，也面臨各種問題，需要建立完善的智能交通系統(tǒng)來適應(yīng)發(fā)展的需要。車流量的自動識別與統(tǒng)計是智能交通系統(tǒng)實現(xiàn)智能調(diào)度管理的重要一環(huán)，車輛檢測與跟蹤技術(shù)是實現(xiàn)車流量檢測的關(guān)鍵技術(shù)。傳統(tǒng)的檢測方法不能適應(yīng)時代發(fā)展的需要，而實時、高效的目標檢測與跟蹤方法研究一直是計算機視覺領(lǐng)域的研究熱點，計算機視覺技術(shù)用于運

2、動目標的檢測和跟蹤已成為重要的研究與發(fā)展方向，在智能交通中得到越來越廣泛的應(yīng)用。
　　 本文主要研究計算機視覺技術(shù)應(yīng)用于車流量檢測，主要工作包括運動車輛檢測與運動車輛跟蹤兩大部分。運動車輛檢測的目的是從圖像中去除真實背景以抽取車輛特征區(qū)域。本文采用了基于YUV彩色空間上色度分量的混合高斯背景建模及背景差分法相結(jié)合的目標檢測方法。通過實驗對比混合高斯背景建模所建背景質(zhì)量較高，又研究了YUV彩色空間色度分量對陰影的抑制作用，首先利用

3、UV色度分量進行混合高斯背景建模及背景更新，使得在背景差分時就直接去除掉陰影，并減少了背景構(gòu)建時的運算量。在提取出前景運動目標獲得運動目標區(qū)域后，采用形態(tài)學濾波和外接矩形提取算法來提取目標的外接矩形區(qū)域，外接矩形提取算法通過兩輪掃描對不屬于背景的對象進行標注，再根據(jù)對象的高度和寬度定義外接矩形。運動車輛跟蹤技術(shù)采用了卡爾曼濾波運動估計和多特征匹配相結(jié)合的方法?？柭鼮V波模型要經(jīng)過預(yù)測和匹配更新兩個階段，采用車輛位置坐標作為預(yù)測參數(shù)，首先

4、預(yù)測目標位置，然后通過本文研究的車輛檢測方法獲取當前幀目標，最后將預(yù)測的結(jié)果與檢測的結(jié)果匹配并更新模型。在此過程中，通過模型初始化的次數(shù)判斷車流量。在進行目標匹配時采用了基于多特征的匹配方法，通過目標矩形的長寬及質(zhì)心坐標屬性提取特征，再通過這些特征在圖像中進行匹配，實現(xiàn)對運動車輛的準確匹配。本文研發(fā)了一套基于車輛檢測與跟蹤技術(shù)的車流量識別與統(tǒng)計系統(tǒng)，并通過在高速公路上的實驗分析，取得了一定的成效，為智能交通提供了一種實時動態(tài)的交通流量信