戚永刚

(德州学院外语系，山东 德州 253023)

基于车辆的视觉跟踪［1］和交通监控技术［2］受到了广泛的关注，这些技术在车辆监测系统、车辆跟踪及道路路口自动监控等领域得到了广泛应用。交通拥塞发生在交通需求超过道路通行能力的时候，它不仅是对时间的浪费，更是对能量的损耗，而且还会导致二氧化碳过量排放，自动交通监控有助于及早发现可能发生的道路拥挤［3－4］。

目前已经有许多使用车辆不同属性进行车辆检测、跟踪和分类的方法。例如，文献［5］提出了一个较为全面的车辆检测方法，采用背景差分法，将当前帧和背景帧之间像素的差值作为被测对象，使用一些阈值限制，所有属于被测对象的像素点(不存在背景图像)都会检测到并分组在一起。运动车辆跟踪过程的主要思想是保持每个检测车辆的检测顺序与整个视频序列一致，为了消除车辆计数时重复计数，学者们相继提出了一些车辆跟踪算法［6－8］。然而，针对车辆分来的工作却很少，因为车辆形状和颜色多种多样，使得车辆分类更具有挑战性。已有文献提出的车辆分类方法通常是基于模型的［9－10］，近期也有一些是基于车辆颜色的［11－12］，而这些方法的难点是将各种形状的车辆(虽然属于同一类)描述成一个单一的模型。

为了更好地对混乱的城市交叉路口车辆进行检测、跟踪及分类，本文提出了一种基于卡尔曼滤波算法［13］的车辆检测及分类系统，使用一个安装在人行天桥的摄像头俯拍交通场景，摄像头放置在马路中央，通过车辆几何图形和外观特性进行分类，既能够多车道检测，又大大地减少了分类误差，实验结果验证了所提系统的有效性。……