視頻監(jiān)控中的運動車輛目標跟蹤技術(shù)研究是智能交通系統(tǒng)（Intelligent Transportation Systems ITS）的一個非常重要的課題。近年來,國內(nèi)外眾多學者對車輛目標跟蹤進行了大量的研究,但是由于車輛自身的復(fù)雜變化,包括車輛快速運動、車輛尺度變化、車輛旋轉(zhuǎn)、姿態(tài)變化和車輛受相似物干擾、車輛部分甚至全部遮擋等;以及復(fù)雜的外部環(huán)境,如攝像頭移動、抖動和惡劣的雨雪天氣等,使得車輛目標的準確跟蹤仍然存在諸多難點,本文針對這些難點問題展開了研究。具體完成的研究工作如下:（1）針對車輛尺度變化、車輛旋轉(zhuǎn)及形變等干擾,本文引入SIFT特征對車輛進行特征提取。SIFT特征對車輛遠近變化、姿態(tài)變化、尺度縮放、光照變化有較強魯棒性,所以SIFT特征可以有效解決目標的旋轉(zhuǎn)、縮放、平移,為車輛跟蹤提供很好的特征支持。但是傳統(tǒng)的SIFT特征跟蹤不能區(qū)分前景和背景,極多的匹配特征集中在背景上,導(dǎo)致跟蹤目標丟失。通過研究現(xiàn)有車輛跟蹤算法,本文提出了一種基于SIFT特征與Grab Cut算法的車輛跟蹤,在SIFT特征跟蹤的基礎(chǔ)上引入了Grab Cut提取前景的跟蹤方法。實驗表明,該方法在日間攝像機不... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 運動目標跟蹤技術(shù)簡述
    1.4 車輛目標跟蹤技術(shù)簡述
    1.5 車輛目標跟蹤的主要難點
    1.6 本文主要研究內(nèi)容概述
第二章 車輛目標跟蹤相關(guān)圖像處理技術(shù)及算法概述
    2.1 引言
    2.2 圖像灰度化
    2.3 二值化
    2.4 數(shù)學形態(tài)學
    2.5 圖像顯著特征提取
        2.5.1 圖像顏色特征
        2.5.2 圖像紋理特征
        2.5.3 圖像形狀特征
    2.6 目標跟蹤相關(guān)技術(shù)
        2.6.1 Meanshift算法
        2.6.2 Kalman濾波
        2.6.3 TLD算法
    2.7 本章小結(jié)
第三章 基于SIFT特征與GrabCut算法的目標跟蹤方法
    3.1 引言
    3.2 SIFT算法
    3.3 GrabCut算法
    3.4 基于SIFT特征與GrabCut算法的車輛跟蹤方法
        3.4.1 基于幀差法的目標車輛檢測
        3.4.2 基于GrabCut算法的目標車輛前景提取
        3.4.3 基于BIRCH聚類的目標車輛中心及縮放比例估計
    3.5 實驗結(jié)果與分析
        3.5.1 各跟蹤算法與本文算法比較
        3.5.2 本文算法耗時分析
    3.6 本章小結(jié)
第四章 改進的TLD目標跟蹤方法
    4.1 引言
    4.2 基于Meanshift與Kalman的當前幀目標所在區(qū)域預(yù)估
    4.3 基于顏色特征分類器
    4.4 改進的綜合模塊
    4.5 實驗結(jié)果與分析
        4.5.1 本文算法跟蹤準確性分析
        4.5.2 本文算法耗時分析
    4.6 本章小結(jié)
第五章 交通違法監(jiān)測系統(tǒng)的實現(xiàn)
    5.1 引言
    5.2 交通違法監(jiān)測系統(tǒng)功能簡介
    5.3 攝相機標定
    5.4 交通違法監(jiān)測
        5.4.1 系統(tǒng)結(jié)構(gòu)設(shè)計
        5.4.2 參數(shù)設(shè)置模塊
        5.4.3 車輛檢測模塊
        5.4.4 車輛跟蹤模塊
    5.5 實驗結(jié)果與分析
        5.5.1 本文系統(tǒng)實驗數(shù)據(jù)
        5.5.2 本文系統(tǒng)實驗結(jié)果分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術(shù)論文
    攻讀碩士學位期間發(fā)表論文情況
    攻讀碩士學位期間參加科研項目情況


【參考文獻】：
期刊論文
[1]一種新的基于ViBe的運動目標檢測方法[J]. 胡小冉,孫涵.  計算機科學. 2014(02)
[2]改進后的TLD視頻目標跟蹤方法[J]. 周鑫,錢秋朦,葉永強,王從慶.  中國圖象圖形學報. 2013(09)
[3]一種基于TLD改進的視覺跟蹤算法[J]. 程立英,張丹,趙姝穎,薛定宇.  科學技術(shù)與工程. 2013(09)
[4]基于UKF與SIFT的車輛跟蹤算法研究[J]. 蔣慶斌,王浩,趙力.  計算機測量與控制. 2012(10)
[5]一種結(jié)合Grabcut的Vibe目標檢測算法[J]. 邱禎艷,王修暉.  中國計量學院學報. 2012(03)
[6]融合角點特征與顏色特征的Mean-Shift目標跟蹤算法[J]. 宋丹,趙保軍,唐林波.  系統(tǒng)工程與電子技術(shù). 2012(01)
[7]基于特征點的運動汽車跟蹤算法研究[J]. 王進花,曹潔.  電氣自動化. 2011(06)
[8]交通車輛輪廓跟蹤算法研究及其工程應(yīng)用[J]. 高韜,劉正光,張軍,楊正瓴.  應(yīng)用基礎(chǔ)與工程科學學報. 2010(02)
[9]基于幾何特征點的擴展目標跟蹤方法[J]. 樊志華,王春鴻,吳明軍.  光電工程. 2009(10)
[10]一種魯棒的多特征融合目標跟蹤新算法[J]. 王歡,王江濤,任明武,楊靜宇.  中國圖象圖形學報. 2009(03)



本文編號：3082129