智能交通中車輛檢測與跟蹤技術的研究.pdf

1、在智能交通系統(tǒng)中，車輛的有效檢測與實時跟蹤是車輛的行為分析和行為判斷的前提，能夠實時準確地提供監(jiān)測道路的交通動態(tài)信息，為后續(xù)特定處理做準備，例如整理運算車流狀況相關數(shù)據(jù)、預警突發(fā)事故、整體規(guī)劃交通系統(tǒng)，從而改善交通環(huán)境、減輕交通堵塞、提高道路利用率、提高排障效率。 如何提高車輛檢測與跟蹤算法的精度、響應速度及抗干擾能力是智能交通系統(tǒng)下車輛檢測與跟蹤的主要研究任務。本文對智能交通系統(tǒng)中車輛檢測與跟蹤技術進行研究，在分析和總結現(xiàn)有算

2、法的基礎上，提出一種實時車輛檢測與跟蹤算法。該算法在建立交通視場背景模型的基礎上，利用背景差分法將運動車輛分割出來，根據(jù)卡爾曼濾波對目標車輛進行跟蹤。 本文提出了一種快速估計及自適應更新的背景模型。其基本思想是：首先利用統(tǒng)計學方法，快速建立初始背景圖像。然后通過分析交通視場中背景像素和前景像素的像素值特性，利用差分圖像直方圖法來動態(tài)獲取閾值，建立當前幀瞬時背景圖像。最后在此基礎上使用當前幀瞬時背景圖像和前一幀背景圖像加權平均的更

3、新算法估計當前幀背景圖像。 本文確定了基于卡爾曼濾波車輛跟蹤模型的參數(shù)設定。首先分析車輛運動系統(tǒng)，建立系統(tǒng)狀態(tài)方程和測量方程。然后在假設過程噪聲向量和測量噪聲向量均為高斯白噪聲的前提下，計算并確定系統(tǒng)噪聲陣、觀測噪聲陣和濾波誤差協(xié)方差矩陣初始值的具體表達式。最后使用學習統(tǒng)計獲得的參數(shù)值對系統(tǒng)進行仿真，并給出卡爾曼預測數(shù)據(jù)。 仿真結果證明，本文算法具有數(shù)學模型簡單、運算速度快、實時響應，抗噪性好，精度較高等特點，能夠滿足智