李宇成，欧晓丹，宋燕辉，田 震

（北方工业大学 自动化系，北京100144）

0 引 言

车辆的实时检测与跟踪是智能交通系统的重要组成部分。在单目摄像头视频图像下进行车流量统计［1］和多辆车同时跟踪时，经常会出现多辆车图像粘连，这主要是由于将道路交通的3D场景转换成2D场景，损失了车辆空间位置信息导致的［2］。如果不能很好的将其分割，将直接影响跟踪和统计的准确性。

目前常用的粘连车辆检测和分割方法主要有：

①基于轮廓形状的粘连检测与分割［2－3］，此方法基于车辆前景轮廓的凹凸性判断是否存在粘连；②基于运动向量的粘连检测与分割［2－4，9］，此方法利用不同车辆帧间运动向量的不同来检测并分割粘连车辆；③基于车辆局部特征的粘连检测与分割［5－7］，此方法通过检测车辆的局部特征来检测并分割车辆；④基于空间几何特征的粘连检测与分割［8－11］，此方法利用空间几何模型对车辆建模从而实现分割；⑤基于特征点的分割［12］，此方法利用车辆特征点进行粘连车辆的检测与分割；⑥基于预测模型的分割［13］，此方法利用预测模型克服车辆粘连问题；⑦基于纹理特征的分割［14］，利用纹理相关性分割粘连车辆。其中，基于特征的分割经常使用学习算法进行特征匹配，计算量较大，且特征选取直接影响分割效果。预测模型的方法需要知道未遮挡时的车辆图像，只适用于车辆由近及远的情况。

基于车辆几何特征的分割方法适应性较好，文献 ［8－11］利用车辆轮廓建立空间透视模型，能够实现复杂情况下的分割，但是对车辆轮廓的边缘清晰度要求较高。……