论文部分内容阅读
车辆跟踪广泛用于军事及交通系统。车辆跟踪的关键在于能实时准确地跟踪。在有部分遮挡,车辆突然改变轨迹,光照变化的影响下,都能保证跟踪的准确性。本文主要讨论基于车牌识别的车辆跟踪和有部分遮挡的车辆跟踪。在跟踪车辆时,车牌具有唯一性,能快速确定车辆的身份。若被跟踪车辆的车牌被遮挡,此时跟踪车牌的方法失效。用特征点匹配方法跟踪目标车辆。为了满足实时跟踪的需要,提出改进的ORB(Oriented FAST and Rotated BRIEF)算法跟踪目标车辆,实验表明在有部分遮挡时能实时准确地跟踪目标车辆。基于车牌识别的车辆跟踪首先识别目标车辆的车牌。对采集的图像去噪,然后灰度化,再对其边缘检测。形态学结合边缘检测初步确定连通域,再根据车牌的固有特征精确定位车牌区域。定位到车牌后,对其二值化,然后用垂直投影法结合车牌的先验知识对其分割,将车牌分割成单个字符。对得到的字符用基于轮廓的模板匹配法将其识别出来。用卡尔曼滤波跟踪车牌从而跟踪目标车辆。在跟踪车牌的过程中,车牌面积较小,容易被其它车辆遮挡。此时,车辆庞大的外形特征可以帮助我们跟踪车辆,然而跟踪车辆时,目标车辆也易被其它车辆遮挡。为了解决部分遮挡情况下车辆实时跟踪不丢失的问题,提出了基于特征点匹配的改进的ORB算法。其具有平移,旋转,缩放不变性。改进的ORB算法在FAST检测特征点后用拉普拉斯极值去除虚假角点,相比ORB算法提高了匹配的正确率,也提高了检测速度。其中改进的FAST检测特征点速度快,BRIEF(Binary Robust Independent Elementary Features)描述子缩短了建立描述符的时间,且减少了存储空间。由此提高了特征点匹配的速度,满足实时跟踪的需要。实验表明,在有光照变化和噪声干扰的情况下,改进的ORB算法依然能够快速准确地跟踪有部分遮挡的车辆。