智能交通：视频车辆检测与跟踪新方法研究

本文深入探讨了智能交通系统（ITS）中视频车辆检测与跟踪的关键技术，着重于解决实际应用中遇到的问题，如复杂城市交通环境下的背景差分、车辆阴影去除以及车辆跟踪的准确性。作者刘鹏，硕士研究生，专业为通信与信息系统，其硕士论文由中国海洋大学指导教师王国宇教授监督完成。 首先，论文提出了一种基于边缘信息的前景提取方法。这种方法通过背景边缘提取模板，精确地剔除背景边缘，然后利用形态学处理去除前景边缘图像中的噪声，从而准确分割出车辆区域。与传统的背景差分方法相比，这种算法具有更好的适应性，能有效抵抗镜头抖动和路边树木的影响，尤其是在复杂的城市交通场景中展现出优越性。 针对车辆检测中的阴影问题，论文设计了一种结合灰度信息、边缘结构和先验知识的阴影检测与去除策略。对于浅色且易于分离的阴影，利用灰度值和边缘信息进行快速检测，并利用预先设定的位置关系模板更新阴影区域的形态信息。对于多车相连、深色车辆和边界模糊的情况，通过综合运用灰度值、边缘信息及先验知识来精确判断阴影区域，确保阴影的准确去除。 车辆跟踪部分，论文创新地采用了帧间运动向量的概念，通过分析当前帧的车速和加速度来预测下一帧的运动趋势，并结合跟踪区域的外形信息进行匹配验证。这种方法不仅简化了算法流程，还实现了实时车辆检测和跟踪，提升了系统的实用性。 刘鹏的硕士论文对智能交通系统中的视频车辆检测与跟踪技术进行了深入研究，通过实际操作和实验验证，提出了有效的解决方案，为智能交通系统的优化提供了理论支持和技术路径。关键词包括车辆检测、阴影去除、边缘检测、背景去除、形态学处理以及车辆跟踪，全面展示了作者在这方面的研究成果。