1、智能交通系統(tǒng)(ITS)是目前視頻智能監(jiān)控領(lǐng)域各國(guó)專(zhuān)家關(guān)注和研究的熱點(diǎn)課題。而本文研究的車(chē)輛實(shí)時(shí)檢測(cè)系統(tǒng)結(jié)合了計(jì)算機(jī)視覺(jué)技術(shù)，是智能交通系統(tǒng)的基礎(chǔ)組成部分。相對(duì)于傳統(tǒng)的車(chē)輛檢測(cè)方法，現(xiàn)代車(chē)輛實(shí)時(shí)檢測(cè)與跟蹤技術(shù)能使計(jì)算機(jī)模擬人類(lèi)的視覺(jué)感官能力，智能辨別視頻中出現(xiàn)的車(chē)輛，為進(jìn)一步的車(chē)輛運(yùn)動(dòng)行為理解和分析提供重要數(shù)據(jù)。但車(chē)輛檢測(cè)與跟蹤技術(shù)的研究仍不成熟，還存在著天氣變化、背景擾動(dòng)、光照變化、車(chē)輛遮擋等因素影響的問(wèn)題。論文針對(duì)以上存在的問(wèn)題和難點(diǎn)

2、展開(kāi)了重點(diǎn)的研究，主要工作如下：
　　1、研究視頻圖像預(yù)處理中的圖像灰度化、圖像去噪、圖像二值化、數(shù)學(xué)形態(tài)濾波等技術(shù)，降低了車(chē)輛檢測(cè)中車(chē)輛目標(biāo)提取的計(jì)算復(fù)雜度，提高了準(zhǔn)確性。
　　2、研究了常用的車(chē)輛目標(biāo)檢測(cè)算法：光流法、幀差法和背景差分法等算法。針對(duì)背景差分法的不足，提出了多幀均值的背景圖像初始化方法，弱化甚至消除了第一幀圖像初始化背景圖像帶來(lái)的不確定性；提出了一種改進(jìn)的自適應(yīng)背景更新模型，對(duì)背景模型實(shí)時(shí)地進(jìn)行更新，以適應(yīng)

3、光照的變化和背景擾動(dòng)等環(huán)境的變化，在檢測(cè)準(zhǔn)確性上得到了提升。
　　3、研究了運(yùn)動(dòng)車(chē)輛的相關(guān)跟蹤方法：基于特征、模型、區(qū)域、輪廓和團(tuán)塊等跟蹤方法。提出了一種基于質(zhì)心和面積特征跟蹤和卡爾曼濾波器相結(jié)合的跟蹤算法，首先用卡爾曼濾波器預(yù)估運(yùn)動(dòng)車(chē)輛的位置，再將預(yù)測(cè)到的車(chē)輛目標(biāo)與當(dāng)前幀的車(chē)輛目標(biāo)進(jìn)行質(zhì)心和面積特征匹配，得到運(yùn)動(dòng)車(chē)輛在各個(gè)視頻幀的運(yùn)行軌跡，實(shí)現(xiàn)視頻車(chē)輛的精確跟蹤。
　　根據(jù)以上提出的圖像預(yù)處理和車(chē)輛檢測(cè)與跟蹤算法，論文設(shè)計(jì)