随着智能车辆的飞速发展,目标跟踪成为车辆智能化的主要研究内容之一。由于机器视觉技术越来越成熟,使用成本逐渐降低,所以广大学者在机器视觉的基础上进一步研究目标跟踪这一问题。本文依托山西省科技攻关项目(20130321005-04),提出了基于机器视觉的智能车辆跟踪方法这一研究方向,对实时路况中的车辆进行检测和跟踪。对车辆跟踪过程中,程序处理对象为视频中的每一帧,即一幅图像,本文首先从图像预处理方向着手,选择适合本文运行环境的预处理方法,通过对比各灰度化处理方法对采集的实时路况视频图像的处理结果,最终选择加权平均法,并利用中值滤波完成原始图像中噪声的滤除,最后采用Sobel边缘检测算子完成对图像信息的边缘检测。该方法为后期目标检测提供了简单而有效的图像信息。为了保证摄像机拍摄的车辆道路信息的准确性,本文对实验相机进行了标定,采用张正友标定法,通过自制8*10棋盘标定板,得出了摄像机的内部参数,校正了摄像机的畸变。由于车辆运行环境较为复杂,传统Camshift跟踪方法不能满足复杂环境下的跟踪要求,当被跟踪车辆颜色与外界环境颜色相近时,该跟踪方法失效。针对这一问题,本文提出交比不变量的Camshift跟踪方法,利用亚像素角点检测方法,检测出所选目标区域的特征角点。然后利用交比不变原理求解各特征角点之间的位置关系,利用这些位置关系对所选目标区域进行约束,通过理论及实验的方法验证本文算法。通过标准视频库的测试,得出本文算法的可行性和优先性,通过实时路况的测试,证明了本文算法的可行性。本文编译环境为VS2013,并利用OpenCV视频处理库对本文跟踪方法进行算法编译,分别对标准视频库中以及现实环境中的车辆信息进行跟踪实验,实验结果表明,本文通过添加约束改进的跟踪方法具有可行性和实时性,且具有较高的跟踪效率。