基于视频的运动车辆的检测与跟踪研究

发布时间：2025-05-28 06:49

　　基于视频的高速公路车辆检测与跟踪在智能交通系统中有着至关重要的作用。车辆的检测与跟踪是对视频中的运动车辆进行识别、提取,然后对车辆的运动轨迹进行跟踪。研究更好的检测与跟踪算法,既能提高检测的效率与准确率,也能提高视频分析效率,还能为后续研究做准备。本文首先对实验环境进行了详细的介绍,通过已有的高速公路视频提取帧,为运动车辆的检测与跟踪做好准备。在对运动车辆检测算法进行分析研究的基础上,论文重点研究了帧差法、背景差法,通过帧差法与背景差法相结合的方法,帧差法可以弥补背景差法对光照强度变化敏感的缺点,也不会对阴影问题造成多大影响,背景差法则可以弥补帧差法不能完整的提取出目标图像相关点的问题,对背景进行动态更新,从而实现多邻近帧融合的彩色静态背景提取。对于跟路面颜色相似的车辆提取不完整问题,通过区域增长实现车辆的完整分割检测。由于车辆本身的阴影会影响到实验结果,本文对车辆自身阴影进行了阴影消除;根据阴影与路面相比灰度差值不大、车辆区域纹理远比阴影区域丰富、车辆区域梯度值也远大于阴影区域的特点,可通过多尺度小波变换实现阴影的去除。在对运动车辆跟踪算法进行分类研究后,对于车辆的跟踪算法,本文采用的...

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 运动目标检测研究现状
        1.2.2 运动目标跟踪研究现状
    1.3 主要研究内容及论文结构安排
        1.3.1 研究内容
        1.3.2 结构组织
第2章 基于OpenCV的视频显示与帧获取
    2.1 OpenCV简介
        2.1.1 为OpenCV配置系统环境变量
        2.1.2 配置OpenCV环境
    2.2 从视频文件中提取帧
        2.2.1 建立操作界面
        2.2.2 打开视频文件并抓取帧
第3章 运动车辆检测
    3.1 静态背景获取
        3.1.1 帧间差分法:
        3.1.2 背景差分法:
        3.1.3 动态背景更新:
        3.1.4 车辆分割
    3.2 区域增长算法
    3.3 阴影去除及非车辆排除
第4章 运动车辆跟踪
    4.1 目标跟踪方法概述
    4.2 基于小波变换的目标奇异点的定位
        4.2.1 小波变换
        4.2.2 车辆长度定位
        4.2.3 车头定位
    4.3 目标奇异点的跟踪
第5章 总结与展望
    5.1 总结
    5.2 不足之处
    5.3 展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：4048240