基于时空马尔可夫随机场模型的车辆跟踪算法研究.docx

基于时空马尔可夫随机场模型的车辆跟踪算法研究施毅 基于时空马尔可夫随机场模型的车辆跟踪算法研究 施 毅 路小波 黄 卫 刘 涛 （东南大学，江苏南京 210096） 摘要：鲁棒的车辆跟踪是实现交通事件自动检测的重要前提，车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果 的关键因素。针对这一难题，设计自适应的车辆跟踪算法，并依据交通图像序列的时空相关性，根据马尔可夫的 基本理论和贝叶斯方法，应用 MRF- MAP 理论分析框架，并结合了彩色图像序列的纹理信息建立了图像序列的时 空马尔可夫随机场模型。采用随机松弛算法中的 Metropolis 算法来求解时空马尔可夫随机场模型，对车辆跟踪得 到的目标标号图进行优化，从而解决车辆跟踪中的遮挡问题。初步实验结果，跟踪不遮挡的车辆时达到的跟踪成 功率为 95%。遮挡情况时成功率也可达到 83%。实验结果表明，该跟踪算法在不遮挡时效果非常理想，在遮挡情 况下跟踪鲁棒性也较好。 关键词：车辆跟踪；遮挡；时空马尔可夫随机场模型；随机松弛算法 中图分类号: U491 TN941. 2+ 8 文献标识码: A 文章编号: 1000-131X （2007） 01-0074-05 A Vehicle tr acking algor ithm based on spatial-tempor al Mar kov r andom field model Shi Yi Lu Xiaobo Huang Wei Liu Tao (Southeast University, Nanjing 210096, China) Abstr act: Robust vehicle tracking algorithm is an important precondition for realizing traffic event detection, but occlusion is a key influence factor for vehicle tracking. An adaptive vehicle tracking algorithm is designed to deal with the problem. In addition, according to the spatial and temporal characteristics of traffic image sequences，using basic Markov theory and Bayesian method, and combining texture information of color image sequences, a spatial- temporal Markov random field model of image sequence is built. After object maps are optimized with the Metropolis stochastic algorithm, the occlusion problem in vehicle tracking is solved. Preliminary experimental result, the tracking success ratio when vehicles are not occluded with each other is 95%, and when being occluded the tracking success ratio is 83%. The experimental results indicate that this tracking algorithm is accurate when being not occluded and acceptable when being occluded. Keywor ds: vehicle tracking; occlusion；spatial-temporal Markov random field model；stochastic relaxation algorithm E-mail: syzy2001@ 度地避免事故的发生。同时，将从该系统得到的交通 流信息用于城市和高速公路的信号周期控制，对于缓 解交通拥堵和降低交通事故发生率有着重要的现实 意义。 对于开发事件自动检测和监控交通流的系统而 言，采集交通事件信息是研究的关键。目前常用的采 集技术采用环形线圈检测器、超声波检测器、磁性线 圈检测器、红外线检测器、微波检测器以及视频检测 器等检测器。其中，视频检测器相对于其他几种传感 器的突出优点是可以采集更为丰富的交通信息，如违 引 言 目前