基于视频的夜间环境车辆检测与跟踪.docVIP

基于视频的夜间环境车辆检测与跟踪 徐文聪1，刘海2 （山东大学威海分校，机电与信息工程学院，山东省 威海市 264209） 摘要：针对夜间交通环境的特点，提出一种基于车灯的夜间交通流视频检测算法。首先，提出一种自适应阈值分割算法提取候选车灯连通域。接着，利用空间距离信息配对和分组属于同一辆车的连通域，根据规则集定位车灯，建立车辆假设。然后，通过线性有哪些信誉好的足球投注网站，结合最近邻准则和形状属性匹配在帧间关联车辆假设。对于部分和全部遮挡情况，结合Kalman滤波器处理。根据关联信息的连续性，确认车辆存在并保存跟踪轨迹。实验表明，该算法复杂度低，能够在夜晚多种交通环境下实时检测和跟踪车辆，误检和漏检率低，并且对遮挡情况具有一定的鲁棒性。 关键字： 夜间车辆检测，自适应阈值分割，卡尔曼滤波，车辆跟踪 Video-based Vehicle Detection and Tracking at Nighttime XU Wen-cong1，L Hai2 (School of Mechanical，Electrical Information Engineering，Shandong University At Weihai，Weihai 264209，China) Abstract: For traffic data extraction at nighttime, a headlights-based vehicle detection algorithm is proposed. Firstly, headlights candidates are extracted by an adaptive segmentation algorithm. Secondly, the headlights candidates are paired and grouped by spatial information. Then real headlights are located by rule-based reasoning to generate vehicle hypotheses. Thirdly, these potential targets are tracked over frames by linear searching combined with nearest neighbor rules and shape matching. A Kalman Filter is integrated into tracking module to handle partial and total occlusions. The spatial continuity extracted from tracking process is used to confirm vehicles’ presence. The results of experiments demonstrate that the proposed algorithm is effective and robust for vehicle detection and tracking at nighttime in real-time. Key words: nighttime，adaptive threshold segmentation，Kalman Filter，vehicle detection，vehicle tracking 基于视频的交通数据采集技术由于其成本的低廉以及安装，维护的便利已经广泛地引起研究者的关注。然而，大部分交通视频检测算法的研究都集中在白天，由于夜晚交通场景的很多特殊性，许多适用于白天的视频检测算法，如背景消减，帧间差分等，并不适应夜间环境。夜晚是交通事故的高发时段，稳定和准确的夜间交通检测算法研究具有很高的理论和应用价值。 算法的概述 夜间环境下，车灯是车辆最明显和稳定的特征。我们以车前灯作为车辆的特征，设计夜间交通检测算法。先标定摄像机，对视频图像进行灰度变换，算法只处理灰度图像。为提取车灯，通过一种自适应阈值分割算法提取候选车灯连通域。将属于同一辆车的候选车灯连通域配对，分组，建立初始车辆假设。然后，帧间关联候选目标，结合空间和运动信息排除干扰和错误假设，完成车辆的检测和跟踪。算法框图如图1所示： 图1 算法框图 车辆检测和跟踪 安装和标定摄像机 为了便于摄像的机标定和距离信息的测量，保持摄像机镜头从正面俯视路面，道路方向与图像纵轴基本平行。在图像中人工设置感兴趣区域ROI(Region of Interest)，如图2中红色直线所示。算法只处理属于红色边界以内的图像部分。摄像机标定的目的是从图像坐标系的坐标得到世界坐标系中的坐标。