运动车辆跟踪算法的研究与实现开题报告

全文总字数：4469字

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着世界各地经济水平与科学技术的不断发展，工业化、城市化的现代化社会在各个国家不断推进，与此同时各城市中的机动车辆数量急剧增长，给交通系统带来了巨大的压力。为了保障交通系统有序地运行，需要依靠先进的科学技术和方法来实现交通的智能化监控和检测。

智能交通系统（intelligent transportation system，its）便伴随潮流发展了出来，其是指运用现代计算机技术、电子信息技术，自动控制技术等将人、车辆与道路三者有机的结合起来，使之成为一个运行有序的系统。从而有效地利用交通设施、减少交通负荷和环境污染、保证交通安全和提高运输效率。其中，运动车辆的检测跟踪又是智能交通系统中的重要问题。因此迫切需要高效的车辆检测技术。

2. 研究的基本内容与方案

本次设计的基本内容为学习和研究数字图像处理、数字视频处理、运动目标跟踪的原理和方法。重点研究和实现运动车辆跟踪算法，在visual studio 2010或matlab或python环境下实现，并对结果进行比较分析。

由于车辆运动相较于人的运动相对平滑且方式较为简单，采用基于特征的目标跟踪算法复杂度相对低。在图像特征中，基于颜色特征的hsv空间特征（色彩hue、饱和度saturation和值value）是最常用的颜色空间特征，其对目标旋转和部分遮挡有较强的适应性，且算法实现简单，但同时也有着对光照、阴影敏感度强等特点。而hog方向梯度直方图特征对图像的几何和光照能够保持很好的不变性，可以很好地解决光照阴影等问题，但同时其特征维度大在训练和检测过程运算时间很大。因此为了提高车辆监测跟踪的鲁棒性并降低算法复杂度，我们可以结合hsv 颜色直方图和 hog 直方图，降低hog描述符维度，同时补偿光照以及阴影的影响。

hsv颜色直方图对目标旋转具有较强的适应能力，且能在一定程度上解决部分遮挡问题，而hog直方图对光照变化具有较高鲁棒性，融合颜色和纹理的外观特征可更加准确地反映目标间的相似性，为目标跟踪提供更可靠的关联。但在实际交通中完全遮挡与长时间的车辆遮挡很常见，为了解决这一问题可以结合kcf核相关滤波算法为目标检测丢失和远行无法检测到的车辆提供预测框。

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础，确定方案，完成开题报告。

第5周：熟悉掌握基本理论，完成英文资料的翻译

第6－7周：硬软件总体设计，熟悉开发环境。

4. 参考文献（12篇以上）

[1] 刘智勇. 智能交通控制理论及其应用[m]. 北京:科学出版社，2003: 6-8.

[2] 宋新，沈振康，王平等. mean shift 在目标跟踪中的应[j]. 系统工程与电子技术，2007，29（9）:1405-1409.

[3] 孙季丰，王成清. 基于特征点光流和卡尔曼滤波的运动车辆跟踪[j]. 华南理工大学学报:自然科学版，2005（10）:22-26.