基于視頻的實時闖紅燈抓拍系統(tǒng)算法研究與實現(xiàn).pdf

1、隨著世界各國經(jīng)濟的快速發(fā)展，車輛的數(shù)量急劇增加，由此引發(fā)的交通狀況問題日益受到人們的重視。智能交通系統(tǒng)就是為了解決這個問題而誕生的，目前已經(jīng)成為全球各國政府和有關(guān)部門高度重視的高科技新領(lǐng)域?；谝曨l的闖紅燈車輛自動檢測系統(tǒng)是智能交通系統(tǒng)中的重要組成部分，其中有效的檢測和實時跟蹤是車輛的行為分析和行為判斷的前提。
　　 鑒于以上背景，本文對闖紅燈車輛檢測與跟蹤算法進行研究。在分析和總結(jié)現(xiàn)有算法的基礎(chǔ)上，提出了兩個改進算法。

2、　　 本文針對傳統(tǒng)的背景提取方法在前景運動對象密度較高，亦或前景出現(xiàn)過于頻繁的情況下，提取到的背景圖像中會摻雜很多前景成分的問題，提出了一種基于形態(tài)學(xué)和像素灰度歸類的背景重建算法。該算法通過三幀差分法和形態(tài)學(xué)把每幀圖像區(qū)分為前景對象和背景區(qū)域。然后在用像素灰度歸類方背景重建時不考慮前景對象，提高了背景出現(xiàn)的頻率，從而能正確重建背景。通過實驗證明，新方法能夠在車輛密度較大的情況下能正確的生成背景。
　　 本文為了滿足車輛跟蹤實時

3、的要求，設(shè)計了一種自動初始化窗口的Mean Shift算法。另外針對Mean Shift算法在目標的顏色分布和背景相似情況下，會丟失目標的問題，利用kalman濾波器根據(jù)前面的目標位置信息來預(yù)測在本幀圖像中目標的可能位置，然后用Mean Shift算法在這個位置的鄰域內(nèi)找到目標的真實位置。這樣，我們利用了Mean Shift所沒有利用的前面一幀目標的運動信息，豐富了對已知信息的使用，增強了跟蹤效果。通過實驗證明此算法是有效性。