發(fā)布時(shí)間：2020-03-22 20:32

【摘要】：隨著智慧城市和智能交通系統(tǒng)的發(fā)展,有效的目標(biāo)檢測(cè)和跟蹤技術(shù)引起了國(guó)內(nèi)外學(xué)者的高度重視。尤其在智能交通監(jiān)控中,車輛特征的相似性、車輛行駛過(guò)程中出現(xiàn)的遮擋、光照、旋轉(zhuǎn)、尺度、姿態(tài)變化以及外界環(huán)境的變化等問(wèn)題給目標(biāo)檢測(cè)和跟蹤技術(shù)帶來(lái)了極大的挑戰(zhàn)。如何從海量的交通視頻中獲取有效信息和分析交通現(xiàn)狀,最終實(shí)現(xiàn)智能控制和智能管理是智能交通系統(tǒng)面臨的技術(shù)難題。本文針對(duì)交通視頻中目標(biāo)檢測(cè)和跟蹤的算法展開(kāi)研究,主要研究?jī)?nèi)容為:(1)研究了幾種傳統(tǒng)的目標(biāo)檢測(cè)和跟蹤算法的原理和實(shí)現(xiàn)過(guò)程,分析了其在實(shí)際應(yīng)用中的優(yōu)勢(shì)和局限性,并比較了不同算法的性能。其次,研究了TLD(Tracking-Learning-Detection)目標(biāo)跟蹤算法,TLD算法將傳統(tǒng)的檢測(cè)技術(shù)和跟蹤技術(shù)相結(jié)合,解決了長(zhǎng)時(shí)間跟蹤過(guò)程中目標(biāo)發(fā)生的輕微形變、光照、以及部分遮擋問(wèn)題,并加入了一種改進(jìn)的在線學(xué)習(xí)機(jī)制,使得整體算法更加的穩(wěn)定、可靠。(2)針對(duì)TLD算法在面對(duì)目標(biāo)出現(xiàn)大尺度的旋轉(zhuǎn)、嚴(yán)重遮擋、光照突變的情況下,跟蹤的準(zhǔn)確性難以保證的問(wèn)題,對(duì)跟蹤模塊提出了兩方面的改進(jìn):一方面針對(duì)LK(Lucas-Kanade)光流法對(duì)光照比較敏感,且生成的跟蹤點(diǎn)不是特征點(diǎn),不能用來(lái)表征目標(biāo),在跟蹤的過(guò)程中容易造成跟蹤漂移的問(wèn)題,提出在原跟蹤模塊的基礎(chǔ)上結(jié)合ORB(Oriented FAST and Rotated BRIEF)特征檢測(cè)算法和PROSAC優(yōu)化算法來(lái)跟蹤目標(biāo)。另一方面,針對(duì)當(dāng)目標(biāo)出現(xiàn)大面積遮擋、消失重現(xiàn)時(shí),TLD算法容易跟蹤失敗的問(wèn)題,提出結(jié)合Kalman濾波算法,當(dāng)TLD跟蹤失敗時(shí),用Kalmanl濾波器預(yù)估目標(biāo)位置。(3)針對(duì)TLD算法檢測(cè)模塊掃描子窗口數(shù)量過(guò)多影響系統(tǒng)的實(shí)時(shí)性的問(wèn)題,提出在檢測(cè)模塊前加入一種背景模型自適應(yīng)更新的Vibe(Visual Background Extractor)前景檢測(cè)算法,用局部掃描取代全局掃描的改進(jìn)算法。最后通過(guò)實(shí)驗(yàn)結(jié)果和分析驗(yàn)證了改進(jìn)算法的可靠性和有效性。
【圖文】：

二值化仿真圖

灰度化仿真圖
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李天成;范紅旗;孫樹(shù)棟;;粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J];自動(dòng)化學(xué)報(bào);2015年12期

2 曲海成;單曉晨;孟煜;劉萬(wàn)軍;;檢測(cè)區(qū)域動(dòng)態(tài)調(diào)整的TLD目標(biāo)跟蹤算法[J];計(jì)算機(jī)應(yīng)用;2015年10期

3 周莉莉;姜楓;;基于FAST和BRIEF的圖像匹配算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年05期

4 彭榮鯤;周鑫;王沛;趙永輝;琚映云;;基于區(qū)域的GLRT車輛目標(biāo)檢測(cè)方法[J];南京航空航天大學(xué)學(xué)報(bào);2014年06期

5 肖慶國(guó);葉慶衛(wèi);周宇;王曉東;;基于Mean-Shift優(yōu)化的TLD視頻長(zhǎng)時(shí)間跟蹤算法[J];計(jì)算機(jī)應(yīng)用研究;2015年03期

6 王法勝;魯明羽;趙清杰;袁澤劍;;粒子濾波算法[J];計(jì)算機(jī)學(xué)報(bào);2014年08期

7 賈陽(yáng);王慧琴;胡燕;黨勃;;基于改進(jìn)層次聚類和SVM的圖像型火焰識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2014年05期

8 譚筠梅;王履程;雷濤;王小鵬;;城市軌道交通智能視頻分析關(guān)鍵技術(shù)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2014年04期

9 吳杰;閆建國(guó);;基于修正的卡爾曼濾波的姿態(tài)估計(jì)算法研究[J];計(jì)算機(jī)仿真;2012年02期

10 時(shí)磊;謝曉方;喬勇軍;;基于SURF算法的人臉跟蹤技術(shù)研究[J];計(jì)算機(jī)仿真;2010年12期

相關(guān)碩士學(xué)位論文 前5條

1 宗家輝;基于TLD框架的目標(biāo)跟蹤算法的研究[D];西安電子科技大學(xué);2018年

2 李長(zhǎng)桂;基于TLD的改進(jìn)目標(biāo)跟蹤算法[D];西安電子科技大學(xué);2018年

3 李呈柯（Chengke Lee）;基于TLD的視頻目標(biāo)跟蹤算法研究及改進(jìn)[D];北京理工大學(xué);2016年

4 沈，

本文編號(hào)：2595584