近年來,智能交通系統(tǒng)的快速發(fā)展,車輛跟蹤技術(shù)在交通管理,公共安全等領(lǐng)域有著廣泛的應(yīng)用。所以,基于視頻的車輛跟蹤技術(shù)也成為近年來研究的熱點(diǎn)。但是運(yùn)動(dòng)的車輛存在著復(fù)雜的變化,如車輛尺度、姿態(tài)變化以及在十字路口這些復(fù)雜道路場景下,車輛的部分遮擋、全部遮擋等。所以車輛跟蹤技術(shù)仍然存在很多難點(diǎn),如何實(shí)現(xiàn)在復(fù)雜道路場景下運(yùn)動(dòng)車輛魯棒、實(shí)時(shí)地跟蹤仍具有重要的現(xiàn)實(shí)意義。針對(duì)運(yùn)動(dòng)車輛跟蹤的技術(shù)問題,對(duì)當(dāng)前運(yùn)動(dòng)目目標(biāo)跟蹤算法進(jìn)行深入的研究,并詳細(xì)討論了基于核相關(guān)濾波的目標(biāo)跟蹤算法,在此基礎(chǔ)上分析其優(yōu)缺點(diǎn),并對(duì)其進(jìn)行合理地改進(jìn)使之適應(yīng)復(fù)雜道路場景下車輛的跟蹤。主要的研究內(nèi)容如下:1)在核相關(guān)濾波跟蹤算法框架下融合顏色特征,基于方向梯度直方圖（Histogram of Oriented Gradient,HOG）特征與顏色特征分別訓(xùn)練分類器進(jìn)行目標(biāo)檢測,在決策層進(jìn)行特征的自適應(yīng)融合預(yù)測目標(biāo)車輛的位置。2)在改進(jìn)的核相關(guān)濾波跟蹤算法的站礎(chǔ)上引入快速分類尺度空間跟蹤器,解決核相關(guān)濾波算法難以應(yīng)對(duì)因車輛尺度變化而不能繼續(xù)跟蹤的問題。3)針對(duì)車輛部分,全部遮擋的問題,增加遮擋處理模塊。通過遮擋檢測算法判斷當(dāng)前幀目標(biāo)區(qū)... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

核相關(guān)濾波算法跟蹤結(jié)果

（a）第 14 幀 （b）第 540 幀 （c）第 769 幀（a）14th frames （b）540th frames （c）769th frames圖 3-6 BlueCar1 實(shí)驗(yàn)結(jié)果Fig.3-6 BlueCar1 experimental results0 200 400 600 80002468101214161820跟蹤誤差(pixels)幀數(shù)(frames)（a）核相關(guān)濾波算法的跟蹤誤差曲線 （b）改進(jìn)后算法的跟蹤誤差曲線（a）Tracking error curve of kcf （b）Tracking error curve of improved algorithm圖 3-7 跟蹤誤差對(duì)比Fig.3-7 Tracking error comparison如圖 3-6 所示，圖中上，下兩行分別表示改進(jìn)前跟蹤算法和改進(jìn)后跟蹤算法的實(shí)驗(yàn)結(jié)

應(yīng)道路監(jiān)控視頻及選取數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。本章介紹了實(shí)驗(yàn)環(huán)境、實(shí)驗(yàn)?zāi)Ｐ蛥?shù)及部分實(shí)驗(yàn)結(jié)果，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。5.1 實(shí)驗(yàn)環(huán)境與參數(shù)實(shí)驗(yàn)的硬件環(huán)境是 A8-4500M，主頻 1.9GHz CPU，4G RAM 計(jì)算機(jī)，軟件采用 VS 2013與 OpenCV 3.1.0 的編程環(huán)境。實(shí)驗(yàn)中核相關(guān)濾波算法的參數(shù)保持不變。學(xué)習(xí)因子 為 0.02，高斯核標(biāo)準(zhǔn)差 為 0.5，正則化參數(shù) 為 0.0001。本文參數(shù)設(shè)置如下：一維尺度相關(guān)濾波器正則化參數(shù)s 為 0.01，學(xué)習(xí)因子 為 0.025。遮擋閾值1 為 0.8，面積因子2 為 0.3，調(diào)節(jié)系數(shù) 為 0.85。本文采集了三組不同情況下的道路車輛監(jiān)控視頻進(jìn)行實(shí)驗(yàn),視頻 1 為目標(biāo)車輛有尺度從小到大的變化、視頻 2 為目標(biāo)車輛有尺度從大到小的變化、視頻 3 為目標(biāo)車輛有遮擋和輕微旋轉(zhuǎn)。5.2 尺度可變對(duì)比實(shí)驗(yàn)利用視頻 1 進(jìn)行尺度可變對(duì)比試驗(yàn)，驗(yàn)證算法在目標(biāo)車輛的尺度從小到大變化時(shí)的跟蹤效果，視頻圖像的分辨率為640 480，幀率為每秒 25 幀。試驗(yàn)結(jié)果部分截圖如圖 5-1所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于邊緣自適應(yīng)的Mean Shift目標(biāo)跟蹤方法[J]. 周楊,胡桂明,黃東芳.  電子技術(shù)應(yīng)用. 2017(05)
[2]基于Kalman濾波和區(qū)域匹配的視頻多目標(biāo)跟蹤[J]. 陳忠會(huì),于明,于洋,付龍.  控制工程. 2017(04)
[3]基于光流法的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法[J]. 肖軍,朱世鵬,黃杭,謝亞男.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[4]基于稀疏約束深度學(xué)習(xí)的交通目標(biāo)跟蹤[J]. 楊紅紅,曲仕茹.  中國公路學(xué)報(bào). 2016(06)
[5]全國機(jī)動(dòng)車污染物排放量——《2013年中國機(jī)動(dòng)車污染防治年報(bào)》（第Ⅱ部分）[J]. 黃志輝,陳偉程,吉喆,尹航,馬冬.  環(huán)境與可持續(xù)發(fā)展. 2014(01)
[6]融合角點(diǎn)特征與顏色特征的Mean-Shift目標(biāo)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]車輛視頻檢測感興趣區(qū)域確定算法[J]. 徐國艷,王傳榮,高峰,王江峰.  北京航空航天大學(xué)學(xué)報(bào). 2010(07)
[8]用于智能交通的運(yùn)動(dòng)車輛跟蹤算法[J]. 高韜,劉正光,岳士宏,張軍.  中國公路學(xué)報(bào). 2010(03)
[9]基于幾何活動(dòng)輪廓模型的目標(biāo)跟蹤與快速運(yùn)動(dòng)估計(jì)[J]. 羅嘉,韋志輝.  中國圖象圖形學(xué)報(bào). 2009(07)

碩士論文
[1]基于背景建模的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法的研究[D]. 石丹.西安科技大學(xué) 2016
[2]基于核化相關(guān)濾波器的目標(biāo)跟蹤技術(shù)研究及應(yīng)用系統(tǒng)[D]. 余禮楊.北京郵電大學(xué) 2016



本文編號(hào)：3265108