在智能交通系统中,对运动目标实现无人监控是当今研究的热点问题,它涉及到计算机视觉、信息采集、视频图像处理等各方面的知识。本文针对交通监控系统中的运动车辆的检测、车辆的识别以及车辆的跟踪问题展开了以下研究: ●提出了用帧间差分与背景差分相融合的运动物体检测方法,首先运用帧间差差分法区分出运动变化的区域和没有变化的区域,再将变化的区域进行背景差分处理,由于与背景差分处理的区域仅是变化区域,因而大大减小了处理的数据量,提高了处理速度,能满足实时检测的需要。 ●针对背景差分算法中,在复杂背景下参考帧的提取问题,提出了一种新的背景提取方法。该算法用帧间差分法将帧中的背景象素点检测出来,再确立出每个点的高斯模型。由于排除了帧中所有运动物体的影响,因而提取出的背景干净,效果很好。 ●针对车牌图像分割困难、车牌位置定位不准确等问题,提出了一种新的车牌快速定位方法。该方法在HSV模式下进行,首先在颜色空间下,对车身的每一行颜色进行相似度的计算,然后再根据颜色相似度阈值,同时利用车牌位置、长宽比例信息,精确地定位出车牌。这种方法对不同光照条件下,不同颜色的车辆,不同颜色的车牌均具有良好的适应性。该方法定位准确,运算速度快。 ●根据车运动车辆在相邻两帧中移动距离不远,在图像中面积的变化不太大的特点,提出采用运动车辆的质心和面积两个参数在图中进行匹配,从而实现对运动车辆的跟踪。该算法处理参数少,数据量小,因而能够及时跟踪到车辆在图像中的位置。