OpenCV驱动的视频车辆检测与跟踪技术研究与应用

本篇硕士学位论文深入探讨了在智能交通系统（ITS）背景下，基于OpenCV的视频道路车辆检测与跟踪技术。作者詹群峰，专业为精密仪器及机械，由陈文芗指导，于2009年提交。论文聚焦于视频车辆检测跟踪技术在ITS中的关键作用，强调其相较于传统方法的优势，如安装简便、成本低、监测范围广，以及能实时获取交通流量等重要参数。 OpenCV是一个广泛应用于数字图像处理和计算机视觉的函数库，论文利用这一工具简化了底层算法的开发，提高了效率和稳定性。作者针对视频车辆检测中的挑战，特别是天气变化、大范围多目标情况下车辆分割和检测的不足，提出了基于背景差分的自适应车辆目标检测方法，这种方法能够更准确地识别车辆目标。在车辆跟踪部分，论文创新性地结合了形心跟踪和卡尔曼滤波器，实现了对视频车辆的精确跟踪。 实验部分展示了所研发的视频车辆检测跟踪软件的实际应用效果，证明了其具有良好的实时性和鲁棒性，能够实现实时车辆检测和跟踪。然而，由于软件是在Windows环境下使用VisualC++6.0编写的，论文也指出未来研究的方向，即如何将该系统移植到其他操作系统或嵌入式平台，以提高系统的通用性和鲁棒性。 关键词：视频图像，车辆检测，车辆跟踪，OpenCV，运动物体跟踪，背景差分，形心跟踪，卡尔曼滤波器，实时性，鲁棒性，跨平台移植。这项研究为智能交通系统的发展提供了实用的技术支持，并为后续类似技术的优化和扩展奠定了基础。