论文部分内容阅读
随着社会的不断进步以及城市化进程的加快，同时，汽车技术的不断发展带来的汽车普及化使得城市交通容量必须不断扩大以满足符合人们日益增长的交通和生活需求，这就使得智能交通系统（Intelligent Transportation System，ITS）的产生成为了一种必然。基于视频的运动车辆的检测与跟踪是ITS的重要组成部分。本文对运动车辆检测与跟踪算法进行研究。在分析和总结现有算法的基础上，提出了两个改进算法，并基于DaVinci技术初步实现了运动车辆自动检测系统。本文所作工作如下：（1）运动车辆检测技术研究由于传统的算法不能很好地实现背景提取，本文提出了一种基于帧间差分法与背景差分法相结合的车辆检测方法。该算法的基本思想是：从当前帧中获取当前的背景，然后利用当前帧的背景和视频序列中前一帧的背景进行加权来平均更新背景，在视频序列图像中，当前帧中可能包含运动车辆，为了减少前景对象对背景重建的影响，在背景更新之前，必须对当前帧的像素进行分类：前景像素和背景像素，利用当前帧中的背景像素去更新当前背景，在提取出背景图像后，利用背景差分法将当前图像的运动区域分割出来。与传统的算法相比，此算法获得了更好的前景。（2）运动车辆跟踪技术研究在跟踪过程中，当运动车辆的颜色分布与背景相似时，利用传统的Mean Shift算法去跟踪运动车辆时容易造成跟踪失败。为此，本文提出了一种基于Mean Shift与Kalman滤波器相结合的运动车辆跟踪算法。通过结合Kalman滤波器充分融合了Mean Shift算法所没有考虑的前一帧目标的运动信息，丰富了对已知信息的使用。与传统的Mean Shift算法相比，此算法增强了跟踪效果。（3）基于DaVinci技术的系统实现TI的DaVinci技术是专门针对数字视频系统开发提出的一种解决方案，而DM6446就是基于DaVinci技术的SoC处理器，其ARM+DSP的双核架构可将高性能的可编程核与存储器及外设集成在一起，使得DSP端执行高性能算法，ARM端结合Linux嵌入式系统实现对外设的管理。因此，本文选择DaVinci DM6446作为运动车辆自动检测系统的开发和实现平台。首先，基于DSP端在DaVinci开发工具CCS上对本文提出的车辆检测与跟踪算法进行底层算法库的封装，然后基于ARM端在Linux操作系统下完成多线程的应用程序设计。在此基础上，本文完成了具有视频采集、车辆检测、网络传输等功能的演示系统。