论文部分内容阅读
计算机视觉技术[1]从信息处理的层次研究视觉信息的认知过程。通过视觉感知理论程序化，使计算机对动态目标(车辆、行人、飞行器等)进行实时准确的识别与跟踪，是计算机视觉研究的核心内容，并在视频智能交通、智能机器人视觉导航、军事视觉制导等领域有着巨大的实用价值和广阔的应用前景。
视频智能交通能够在有限的“治堵”空间中缓解和解决交通拥堵、环境污染等交通问题。应用计算机视觉技术进行动态车辆识别与跟踪，进而提取交通流等交通参数和车辆特征，为交通预警与疏导提供可靠丰富信息，是视频智能交通研究与实现的关键技术。本文充分利用开源计算机视觉库OpenCV2.0，采用混合贝叶斯(Bayes)前景与背景分离模型、Meanshift连通区域跟踪方法与Kalman目标位置预测等算法，结合多区域图像掩码技术与多线程技术等，设计实现了多区域动态车辆识别与跟踪系统。该系统是视频智能交通系统的一部分，主要解决交通复杂场景中动态目标(车辆、行人等)的实时、准确识别与跟踪问题，为交通预警与疏导系统提供高可靠性的数据。系统中动态目标识别与跟踪的多区域化(规则区域和非规则区域)，使系统达到了较好的实时性，极大地提高了动态目标识别与跟踪的准确率。论文的主要研究工作是：
(1)研究基于机器视觉的多区域图像掩码技术和线程多区域图像处理等，并将其融入到计算机视觉动态目标识别与跟踪流程中，最终实现实时性好、识别的准确率较高的多区域动态车辆识别与跟踪系统。
(2)研究并实现高斯滤波、中值滤波等图像预处理技术和动态目标的主要识别与跟踪方法，测试它们在动态车辆识别与跟踪系统中的实际应用效果。大量的测试结果表明，文中使用的混合贝叶斯(Bayes)模型和Meanshift连通区域跟踪方法能达到理想效果。
(3)定量分析了动态车辆识别准确率和实时性(视频智能交通系统中最重要的两个系统性能指标)的影响因素，以便在设计多区域动态车辆识别与跟踪系统时，避免和解决不利因素对系统实时性和准确率影响，如采用View Morphing改进方法解决车辆相互遮挡、碰撞的识别与跟踪。
论文中最后通过实验测试了多区域动态车辆识别与跟踪系统的性能(识别与跟踪的实时性和准确率)。实验结果表明：一方面，该系统在识别与跟踪多区域动态目标时，能够达到较好的实时性和较高识别准确率，为交通预警与疏导提供高可靠性的数据；另一方面，系统还能够识别与跟踪有微小动态场景的其它动态目标(飞机、导弹等)，系统具有较好的通用性。