面向车载灯光跟随系统的目标检测方法开题报告

全文总字数：1905字

1. 研究目的与意义

随着我国经济的发展，机动车数量增长幅度加快，交通事故频发。

存在一些公民的交通法规意识相对淡薄，违反交通法规、肇事逃逸者屡见不鲜。

目前交通领域投入使用的事故侦察巡逻设备不能自动锁定目标，不具备追踪移动目标的能力，尤其是在夜间雨雾天气等光线不良的情况下，容易使得嫌疑车辆逃窜，给交警执法带来不便。

2. 国内外研究现状分析

目前国内外所投入使用的交巡警事故侦察巡逻车辆多是将车载灯光照明系统与GPS定位系统相结合进行目标车辆的跟踪任务，在夜间雨雾天气等光线不良的情况下容易跟丢目标，从而丢失证据，给执法带来不便。为此，设计一种可应用于巡逻车辆的目标检测及跟踪算法具有较高的实用价值。 基于图像处理的目标识别及检测技术研究始于1960 年，经过多年的潜心研究，图像目标识别检测技术已经从最初对特定目标的识别检测，发展到对类的识别检测。同时，图像采集环境也趋于复杂，实际生活生产中往往存在雨雪天气、背景扰动、视角变化以及高温高危等特殊环境，这要求目标识别及检测技术能够在复杂环境的应用中具有鲁棒性以及稳定性。 国外对于目标检测技术的相关研究主要针对智能视频监控、智能机器人等实际应用领域。智能视频监控是利用机器视觉技术对视频信号进行分析与理解。系统通过视频采集设备获取视频信息，在分析算法代替人眼识别的前提下，对视频序列中的图像进行特定目标的分析，例如运动目标的检测、跟踪以及计数，以分析结果作为输出控制系统做出相应措施，以及时发现异常现象，例如交通事故现场的实时报警，人员伤亡的具体情况，以便于相关部门及时处理，并避免漏报、误报。 1997年，在美国国防高级研究计划局 (DARPA)的资助下，卡内基梅隆大学，麻省理工大学，戴维 SARNOFF 研究中心等几家研发机构联合研制视频监控系统VSAM(Video Surveillance And Monitoring)，该系统可用于未来战争及民用场景的智能监控。美国康奈尔大学的实验室研制完成了一套航拍视频检测跟踪系统，针对目标运动状态不稳定以及目标被遮挡等问题，能够对多目标进行准确实时的跟踪。2005年，一套名为COCOA的系统在美国弗洛里达大学研制完成，专门用于对无人机低空飞行航拍获得的图像序列进行检测跟踪。2007 年，中福罗里达大学计算机视觉实验室研制的Knight 系统可用于铁路安全，阻止事故发生，具有危险预警功能。 国内的目标跟踪检测技术发展起步较晚，相对于国内有一定差距，但是我国的图像处理技术、运动目标识别跟踪技术正在稳步发展。基于三维模型的智能视觉监控系统的相关研究，自 20 世纪 90 年代初就由中国科学院自动化研究所模式识别国家重点实验室率先开展。通过总结英国雷丁大学 VIEWS 的车辆交通监控原型系统的研究经验，中科院自动化模式识别国家重点实验室视觉监控小组设计出一项拥有自主知识产权的交通监控原型系统。各大高校也相继致力于机器视觉领域的相关研究，如清华大学智能技术与系统国家重点实验室、上海交通大学区域光纤通信网与新型光通信系统国家重点实验室、华中科技大学国家数控技术研究中心等。随着研究的加深和技术的成熟，我国在视频监控、交通管理、医疗诊断、导弹研制、雷达预警等领域都有了很多的研究成果。

3. 研究的基本内容与计划

研究内容：1.学习图像处理基本方法，掌握目标检测与跟踪方面的相关知识；2.学习MATLAB软件的使用方法及应用该软件进行图像处理相关原理和技巧；3.设计一种应用于车载灯光的目标检测与跟踪算法；4.学习系统集成技术，将目标检测结果集成到车载灯光控制系统。

研究计划：1-2周：查阅资料，初步了解设计内容及相关研究现状，完成开题；3-4周：学习了解图像处理基本方法，研究几种目标检测跟踪算法；5-10周：研究MATLAB软件的相关原理和使用方法，设计一种基于图像处理的目标检测跟踪算法；11-13周：学习系统集成技术，将该目标检测跟踪算法集成到车载灯光控制系统，并进行调试和运行；14-16周：整理分析研究的资料，撰写论文，准备答辩。

4. 研究创新点

通过图像处理技术对目标车辆进行检测和跟踪，使车载灯光能够实时跟随目标移动，并根据现场光强调节光照强弱。