基于OpenCV的视频序列中运动车辆的检测与跟踪

摘要

城市交通拥堵是世界各国政府面临的普遍问题，智能交通系统的发展能有效改善交通现状。而作为智能交通系统重要组成部分的车辆检测与跟踪，目前已成为研究的热点。车辆的检测与跟踪不仅需要对视频信号进行大量的数据处理，还要对其结果做出相应的判断，如车辆行为分析、运动轨迹等，这些都需要精确的算法。大量底层代码的编写既耗时又耗力，而Intel公司的开源代码库OpenCV，其函数库中含有丰富的图像处理源代码，为本研究的顺利进行提供了很大的帮助。本文基于OpenCV二次开发平台主要做了视频序列图像预处理、运动车辆的检测与跟踪和系统软件设计三个方面的工作。
　　在预处理部分，针对视频帧序列图像中容易出现的干扰噪声、颜色相似等因素的影响，对图像进行去噪和形态学处理，使图像中目标特征信息更加明显，有利于下文中目标的检测跟踪。
　　在运动车辆检测部分，基于传统的检测算法对运动车辆检测结果准确性不高的问题，本文将三帧差分法和边缘信息相结合来进行车辆检测。先通过边缘检测算子对被检测车辆进行边缘信息提取，然后利用三帧差分法对连续三帧图像进行两两做差，对做差结果进行与运算后再进行形态学处理，最后得到较好的检测效果，并通过实验验证了该算法的可行性。
　　在运动车辆跟踪部分，考虑到本论文研究的是摄像头拍摄的道路视频序列图像，此环境易受到车辆遮挡、目标颜色和环境颜色相似等因素的干扰，所以本文采用具有目标位置预测的Kalman滤波和CamShift算法相结合来实现运动车辆跟踪，并分别对单车辆和多车辆进行跟踪验证了算法的可行性。
　　最后在 VS2010和OpenCV环境下搭建了视频序列中运动车辆的检测与跟踪系统。系统控制界面主要由控制区、视频信息和视频播放区三部分组成，可以实现对视频序列图像的二值化、车辆边缘检测与跟踪等基本功能。并通过测试验证了该系统对运动车辆检测与跟踪的效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1本课题研究背景与意义

1.2国内外研究现状及发展趋势

1.3本文主要内容和结构安排

第2章 视频序列图像的预处理

2.1颜色空间

2.2图像灰度化

2.3图像二值化

2.4图像去噪

2.5数学形态学处理

2.6本章小结

第3章 基于边缘信息和三帧差分法的运动目标检测

3.1常用目标检测算法

3.2三帧差分法

3.3边缘检测

3.4本文采用的运动目标检测算法

3.5本章小结

第4章 基于CamShift和Kalman相结合的运动车辆跟踪

4.1常用目标跟踪算法

4.2基于MeanShift的跟踪算法

4.3 CamShift 算法

4.4卡尔曼滤波器

4.5基于卡尔曼和CamShift 的目标跟踪

4.6实验结果

4.7本章小结

第5章 实验环境的搭建及系统设计

5.1OpenCV技术概述

5.2本文对OpenCV的配置

5.3系统界面与功能设计

5.4系统测试结果

5.5本章小结

第六章 工作总结与展望

参考文献

攻读硕士期间的研究成果与参加项目

致谢