智能交通的发展在现代交通中起着举足轻重的作用,以计算机视觉技术为基础的智能交通关键技术的研究对智能交通有着极大的意义。智能交通中的交通检测和跟踪所涉及的技术相对比较广泛,本文依托武汉市不停车收费系统的视频处理监控,开展目标检测与跟踪相关研究。本论文结合武汉市城市发展交通的需要,针对车辆与行人的检测与跟踪开展研究,对运动车辆的检测与跟踪提出自己的算法,并通过具体项目实际使其满足了智能交通的发展,同时通过实验论证了算法的有效性和可行性,具体研究内容如下：(1)针对传统帧差法存在的问题,采用对偶帧差法,对帧差图像的结果保留正负值,然后对其直方图进行正负匹配,完成运动目标粗定位,在粗定位结束后,通过运动目标对偶关系,主要指其残差面积应该相等,通过其残差比较,完成目标的定位,最后检测出目标。通过实验可以看出该算法对没有遮挡和运行速度不是很快的目标具有较好的检测效果。(2)从对偶帧差法算法可以看出,其信息仍然存在比较大的冗余,考虑对偶边缘对偶帧差法,边缘信息可以从帧差法的基础上减少比较多的冗余信息,同时保证检测效果的有效性,该算法对阴影有一定的去除效果,运动速度较快的情况下仍然有效。(3)通过对图像块特征的分析进行目标检测是建立在已知图像信息的基础上的,从对偶帧差法或对偶边缘差分算法都是具有部分目标信息的情况,图割算法通过设定源与汇来进行目标特征的寻找,采用简单的对偶帧差法同时过采样,则保留的信息可以保证其为目标或背景的一部分,则设定目标部分为源,背景部分为汇,采用推进重标号算法以及设定其自身惩罚和邻域惩罚来完成源与汇最小割的寻找,通过该算法可以比较好的寻找到目标区域,完成目标分割。(4)图割算法考虑图像的整体信息,从整体角度考虑其归属问题,从某种意义上讲,整体信息会对局部信息有一定的掩盖作用,而元胞自动机通过分析其元胞邻居状态,制定元胞进化规则,可以比较好的发现目标特征。同样建立初始像素集合,从其集合开始,制定元胞进化规则,由于运动目标具有时间和空间两重属性,因此考虑时间特征与空间特征的元胞自动机目标检测更具优势,实验表明,该算法可以在目标检测中较好的应用。(5)提出了一种建立在图像梯度方向直方图(HOG)特征基础上云模型运动目标检测算法。该算法通过利用对偶帧差确定目标区域,在该区域对图像建立梯度方向直方图,然后利用云模型进行概念的表达和提升,由于云模型的概念是定性与定量结合,表达简单,针对背景与目标近似等情况该算法具有比较强的检测能力。(6)提出HOG特征为基础的均值漂移算法。通过对目标分层建模,整体比较粗糙,柔性部件特征精确与分层跟踪的思想,对目标采用两层多核跟踪,相对单层目标跟踪比较精确,对目标部分遮挡和整体遮挡情况可以比较好的完成目标位置的预测,在目标重新出现后具有较好的跟踪效果。
