|
摘要：介绍了一种在固定的单摄像头拍摄的交通图像序列中检测、跟踪、分类车辆的方法。该方法大致可分为三部分：抽取背景图像和图像分割；基于针孔模型的摄像机定标，计算透视投影矩阵；利用区域特性进行匹配跟踪，建立目标链，恢复目标三维信息，采用模型匹配法对车型分类。实验证明该方法简单可行。
关键词：图像分割 车型识别 目标跟踪 模型匹配
在现代交通管理和道路规划中，交通流量和通行车辆的类型、速度 重要的 数。自动获取 些数据的方法大致可以分为两类：一类是利用压电、红外、环形磁感应线圈等传感器获得车辆本身的参数， 这类方法跟踪识别率较高，但是容易损坏，安装也不方便；还有一类就是基于图像处理和模式识别的方法，克服了前面一类方法的局限，由于图像处理识别技术的进步和硬件性价比的大幅提高，有一定实用价值的系统已经出现。这些系统的使用证明；图像处理识别车辆的方法晶趋成熟，环境适应能力较强，能 期稳定工作，但是计算量大，识别正确率不如感应线圈、激光读卡等方法高。本文的研究属于后者，利用安装在高处的单个静止摄像头监视路面，利用运动分割与模型匹配的方法，检测并统计多车道的车流信息。
识别过程分三步：分割、跟踪和车型判定。运动目标的分割常采用幅差法。在监控场合，摄像头大多是固定的，背景基本没有变化或者变化缓慢，可以从图像序列中逐渐取出背景图像，然后利用帧差法检测出目标区域，同时还可以检测静止目标。由于识别过程中利用二值边缘，所以本文在图像分割中对输入图像进行了梯度二值化处理。三维空间和二维图像平面之间映射关系的确定，采用基于针孔模型的摄像机定标来计算。对目标区域的跟踪，采用了区域特征向量的匹配跟踪方法，减小了运算量。由于图像处理的方法很难提取轮数、轴距等车辆本身参数，所以在图像车型识别中一般都采用三维模型在图像上投影和车辆边缘相匹配的方法。 本新闻共 6页,当前在第 1页 1 2 3 4 5 6 | 