基于Gaussian模型及Kalman滤波的车辆跟踪方法
2016-02-24丁晓娜
计算机技术与发展 2016年5期
丁晓娜
(西安工业大学,陕西 西安 710021)
基于Gaussian模型及Kalman滤波的车辆跟踪方法
丁晓娜
(西安工业大学,陕西 西安 710021)
近年来,随着机动车增加,各大“堵城”陆续出现。各种交通问题日益增多,因此使得智能交通系统的快速发展迫在眉睫。文中在研究传统车辆跟踪方法的基础上,提出基于混合Gaussian模型和Kalman滤波的车辆跟踪算法。通过对车辆运行的外部环境和自身变换等问题的深入分析,首先采用背景减除法提取前景区域,利用混合高斯模型进行背景建模,建模过程中,依据规则不断完成背景自适应提取与更新,排除噪声及“假目标”信息的干扰。在检测出目标车辆后,为保证跟踪效果,利用目标特征参数及运动状态的一致性、连续性排除噪声干扰。通过对目标车辆建立Kalman滤波预测模型,实现对目标的稳定跟踪。实验结果表明,该方法具有较好的实时性和跟踪效果,能够满足实时监控的要求。
混合高斯模型;Kalman滤波;边缘特征;车辆跟踪
0 引 言
近年来,随着机动车的增加,人们在享受巨大便利的同时,也面临着诸如交通堵塞、交通事故等问题,各大“堵城”陆续出现,因此使得智能交通系统(ITS)的快速发展迫在眉睫。视频监控中的车辆跟踪和车流量检测是ITS中重要且具有挑战性的课题[1]。主要原因在于存在诸多不确定因素,如复杂多变的周围环境和采集视频过程中的不稳定条件,这些都会导致车辆运动中的跟踪准确度和统计精确性出现诸多难点。文中在此基础上进行针对性研究。……
登录APP查看全文
