its中运动车辆自动跟踪方法的研究

《its中运动车辆自动跟踪方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要利用计算机视觉技术进行交通状况检测与信息采集是智能交通系统(ITS)领域中的一个重要课题，而运动车辆的检测与跟踪则是其中最基础的部分。本文对此问题进行了系统和深入的研究，提出了一种在自然道路背景下运动车辆自动检测与跟踪的方法，并设计开发了相应的软硬件系统，初步实现了运动车辆的自动跟踪。本文所进行的研究主要包括以FTi而：(1)在图像筹分算法基础上，研究提出了运动车辆自动检测的栅格算法．该方法通过计算当前帧与参考I帧对应栅格的不相似度来检测是否有运动车辆进入视场：定义了不相似度下降率DSDR，基于此，可以比较准确地确定出运动车辆在栅格中的位置，并可方便地将车辆图像

2、作为模扳保存下来。(2)采用Kalman滤波理论建立了运动车辆状态预测线性模型，该模型采削8自由度的向量来描述系统状态；利用面向对象的思想，以类的形式对预测模型进行了封装实现，并给出了类的数据成员和成员函数。(3)讨论了在摄像机固定情况F和在摄像机运动情况下运动车辆的跟踪问题。在摄像机崮定情况下，以运动车辆的位置估计为中心，按照搜索策略，通过模板匹配对运动车辆进行跟踪。跟踪实验结果表明，提出的搜索策略是有效的。在摄像机运动情况下，建立了运动车辆跟踪坐标系，并得出了运动车辆跟踪坐标系与预测坐标系之间的转换关系；通过摄像机一云台系统所采用的视觉坐标系，推导出了摄像机一云

3、台系统转动的角度控制公式，为运动车辆的跟踪提供了理论基础。(4)根据面向数据流的设计方法，在综合运动车辆自动检测、状态预测和自动跟踪算法的基础上，采用visualc++作为开发语言，在Windows2000平台上设计开发了相应的软件系统。软件开发时，以软件工程学模块化思想为指导，将系统划分为图像采集与提取、图像数据处理、图像显示等六个模块。所开发的软件系统能够较好地完成运动车辆的自动检测、状态预测，并初步实现了运动车辆的自动跟踪。(5)介绍丁跟踪系统硬件部分的组成和结构。关键词智能交通系统，计算机视觉，运动车辆，检测与跟踪AbstractTheapplication

4、ofcomputervisiontechnologytotrafficdetectingandinformationcollectingisanimportantsubjectinITS(IntelligentTransportationSystem)，andmovingvehicledetectingandtrackingisthebasicpart．Thefurtherstudyonthisquestioniscarriedoutsystematicallyinthispaper．Takingthenaturalroadasthebackground，akind

5、ofmovingvehicleauto-detectingandauto—trackingmethodisbroughtforward．MoreoverthesoftwaresystemisdesignedandimplementedAmovingvehicleCanbeautomaticallytrackedelementarilybyusingthesoftwaresystem．Themaincontentsofthestudyincludesuchaspectsasfollows：(1)Themovingvehicleauto·detectinggridari

6、thmeticisstudiedandpresentedonthebasisoftheideaoftheimagedifferencearithmetic．Themovingvehicleisdetectedwhetherornottoenterthefieldofviewbycalculatingthegriddissimilaritybetweenthecurrentframeimageandthereferenceframeimage．DSDR(DisSimilarityDescendRate)isdefined，andbycalculatingitthepo

7、sitionofthemovingvehicleingridscanbedeterminedexactly,SOthevehiclemodelimagecanbesavedconveniently．(2)Themovingvehiclestateforecastlinearmodelinwhichthesystemstateischaracterizedbyaneight-dimensionvectorisfoundedbyadoptingKalmanfiltertheoryTheforecastmodelisencapsulatedasaclasswithob