智能交通监控系统中运动目标检测与跟踪算法
摘要
本文给出了在车辆检测系统中计算机系统对摄像机拍摄到的图像处理,对图像中运动目
标的检测,以一种改进的自适应混合高斯模型为背景更新方法,采用连通区检测算法分割
出前景目标,以 Kalman 滤波作为运动模型实现对运动目标的连续跟踪。在目标跟踪时,
算法针对目标遮挡引起的各种可能情况进行分析,引入了运动目标的可靠性度量,增强了
目标跟踪的稳定性和可靠性。
关键词
背景模型,Kalman 滤波,运动目标检测与跟踪
1 引言
随着社会经济的不断发展和交通运输量的持续增长,利用智能运输系统(ITS)来提高道
路的利用率、道路交通的安全程度和道路使用的舒适性,已成为未来交通运输的发展方向
所谓智能运输系统,就是集信息处理、通讯、控制、以及高科技的电子技术等最新的科研
成果,应用于交通运输网络中。它与传统的交通管理系统一个最显著的区别是,将服务对
象的重点由以往的管理者转向道路使用者,即用先进的科技手段向道路用户提供必要的信
息和便捷的服务,以减少交通堵塞,从而达到提高道路通过能力的目的。另外,从系统论
的角度来看,ITS 将道路管理者、用户、交通工具及设施有机地结合起来并纳于系统之中,
提高了交通运输网络这个大系统的运行效率。
一个智能交通监控系统是一个非常复杂的系统,通常有三级监控系统,一级为外场设
备,本文的图像就是通过外场设备拍摄得到;第二级为监控分中心,集数字和图像信息,
接受和发布各种控制命令及传输各类数字和图像信息的分系统; 第三级则是 1 个监控中心,
接受各分中心监控系统传输的各类数字和图像信息,监视全路段的交通运行情况,向分中
心发布各种控制命令。由此形成一个自下而上能传递各类交通、气象、紧急电话信息和图
像,发布各种交通指挥信息的较完善的交通监控网络系统。
运动目标检测与跟踪处于整个视觉监视系统的最底层,是各种后续高级处理如目标的分
类,行为理解等的基础,运动目标检测是指从视频流中实时提取目标,一般是确定目标所
在的区域和颜色特征等,目标检测的结果是一种静态目标-前景目标,由一些静态特征所
描述,运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。受跟踪的目标是一种
“动
态”目标—— 运动目标, 与前景目标相比, 描述它的特征中多了动态特征( 如运动参数
等)。本文的运动目标检测与跟踪算法流程如图 1 所示。我们通过为静止背景建模来检测
前景点。具体的背景模型以 Stauer 等提出的自适应混合高斯模型[5]为蓝本,并对其作
了部分改进以更好地处理实际背景发生变化的情形。算法中采用一种可靠的连通区域检测
算法完成前景目标的分割。目标跟踪时则通过匹配目标的位置、大小、形状和颜色等特征
建立运动目标与前景目标间的对应关系。算法中考虑了跟踪中多个目标相互遮挡的问题,
分析了几种可能结果并分别加以处理。我们还为运动目标引入了可靠性度量以使目标跟踪
过程更加稳定和可靠。
输入视频 前景点集 前景目标 运动目标
背景模型 目标分割
评论2