交通事件檢測(cè)

1、1313、交通事件自動(dòng)檢測(cè)技術(shù)（、交通事件自動(dòng)檢測(cè)技術(shù)（AIDAID）我國(guó)事故發(fā)生率居全世界之首，近幾年每年公我國(guó)事故發(fā)生率居全世界之首，近幾年每年公路交通死亡人數(shù)一直在十萬(wàn)人左右，每年因交路交通死亡人數(shù)一直在十萬(wàn)人左右，每年因交通事故造成的損失達(dá)數(shù)百億元。為了預(yù)防和減通事故造成的損失達(dá)數(shù)百億元。為了預(yù)防和減少交通事故，及時(shí)有效地進(jìn)行事故救援和處理少交通事故，及時(shí)有效地進(jìn)行事故救援和處理，有效減少由于交通事故產(chǎn)生交通延誤及避免，有效減少由于交通事故產(chǎn)生交通延誤及避免二次事故的發(fā)生，就必須準(zhǔn)確、快速地對(duì)交通二次事故的發(fā)生，就必須準(zhǔn)確、快速地對(duì)交通異常和交通事件進(jìn)行檢測(cè)異常和交通事件進(jìn)行檢測(cè)。 1

2、3.113.1道路交通擁擠的檢測(cè)方法道路交通擁擠的檢測(cè)方法 交通擁擠：交通需求超過(guò)道路通行能力時(shí)，超交通擁擠：交通需求超過(guò)道路通行能力時(shí)，超過(guò)通行能力的那部分車輛滯留在道路上形成排過(guò)通行能力的那部分車輛滯留在道路上形成排隊(duì)的交通現(xiàn)象。隊(duì)的交通現(xiàn)象。 根本原因：由于在道路系統(tǒng)中存在交通瓶頸（即根本原因：由于在道路系統(tǒng)中存在交通瓶頸（即低通行能力的道路組成部分）。低通行能力的道路組成部分）。 一旦瓶頸上游的交通量大于瓶頸處的通行能力時(shí)一旦瓶頸上游的交通量大于瓶頸處的通行能力時(shí)，必然會(huì)產(chǎn)生交通擁擠。，必然會(huì)產(chǎn)生交通擁擠。 實(shí)質(zhì)：交通需求超過(guò)了道路通行能力實(shí)質(zhì)：交通需求超過(guò)了道路通行能力 特點(diǎn)：交通密

3、度增大（一般雙車道密度大于特點(diǎn)：交通密度增大（一般雙車道密度大于50ve50veh/kmh/km時(shí)，認(rèn)為出現(xiàn)擁擠）；時(shí)，認(rèn)為出現(xiàn)擁擠）； 空間平均速度下降（空間平均速度下降（=60km/h=S1）擁擠路段上下游占有率的相對(duì)差值大于等于某閾值（=S2）擁擠開(kāi)始時(shí)下游占有率的相對(duì)差值大于等于某閾值（=S3） 該算法的不足之處在于該算法的不足之處在于: : 交通參數(shù)選取比較單一，算法僅僅采用了一種交通交通參數(shù)選取比較單一，算法僅僅采用了一種交通流參數(shù)流參數(shù)( (占有率占有率) )進(jìn)行事件檢測(cè)，沒(méi)有反映復(fù)雜的交通進(jìn)行事件檢測(cè)，沒(méi)有反映復(fù)雜的交通本質(zhì)本質(zhì); ; 各閾值需要大量數(shù)據(jù)進(jìn)行計(jì)算，且三個(gè)預(yù)定的事

4、件各閾值需要大量數(shù)據(jù)進(jìn)行計(jì)算，且三個(gè)預(yù)定的事件判斷方程不能有效地捕捉到所有可能的交通狀態(tài)判斷方程不能有效地捕捉到所有可能的交通狀態(tài); ; 所選擇的各閾值尤其依賴于地點(diǎn)及歷史數(shù)據(jù)的質(zhì)量所選擇的各閾值尤其依賴于地點(diǎn)及歷史數(shù)據(jù)的質(zhì)量，會(huì)導(dǎo)致誤報(bào)率上升，會(huì)導(dǎo)致誤報(bào)率上升; ; 不能判別擁擠類型。不能判別擁擠類型。 2 2）麥克馬斯特（）麥克馬斯特（McMasterMcMaster）算法）算法 基于高速公路交通狀態(tài)突變理論模型開(kāi)發(fā)的，基于高速公路交通狀態(tài)突變理論模型開(kāi)發(fā)的，不僅能識(shí)別擁擠，還能確定擁擠類型。不僅能識(shí)別擁擠，還能確定擁擠類型。判斷擁擠的存在判別擁擠的類型從被檢測(cè)路段的實(shí)際出發(fā)，在基本交通流

5、從被檢測(cè)路段的實(shí)際出發(fā)，在基本交通流曲線的基礎(chǔ)上，用正常曲線的基礎(chǔ)上，用正常( (非擁擠非擁擠) )交通區(qū)域交通區(qū)域的下限的下限(LUD)(LUD)、臨界占有率、臨界占有率( (OcritOcrit) )、臨界交、臨界交通量通量( (QcritQcrit) )三條曲線把流量一占有率平面三條曲線把流量一占有率平面劃分為四個(gè)區(qū)域，分別對(duì)應(yīng)不同的交通狀劃分為四個(gè)區(qū)域，分別對(duì)應(yīng)不同的交通狀態(tài)。態(tài)。OcritOcrit為觀察路段非擁擠狀態(tài)的最大占有率為觀察路段非擁擠狀態(tài)的最大占有率，QcritQcrit為觀察路段上通過(guò)能力開(kāi)始減少時(shí)為觀察路段上通過(guò)能力開(kāi)始減少時(shí)的交通量的交通量QQ交通量交通量 OCCO

6、CC占有率占有率區(qū)域1表示正常(非擁擠)交通狀態(tài);區(qū)域2表示偶發(fā)性擁擠點(diǎn)上游的交通狀態(tài)，當(dāng)檢測(cè)站數(shù)據(jù)Q、OCC落入?yún)^(qū)域2時(shí)，大體上可以確定其下游發(fā)生了事件;區(qū)域3表示緩慢交通流的阻塞狀態(tài)，一般意味著該檢測(cè)站下游有事件發(fā)生或存在幾何瓶頸;區(qū)域4表示常發(fā)性擁擠地點(diǎn)上游處的交通狀態(tài)。通過(guò)檢查實(shí)測(cè)數(shù)據(jù)點(diǎn)在四個(gè)區(qū)域中的分布情況可以對(duì)某個(gè)檢測(cè)站點(diǎn)下游交通擁擠狀態(tài)的開(kāi)始、持續(xù)和結(jié)束時(shí)刻進(jìn)行判別。 在三個(gè)連續(xù)的采樣周期內(nèi)，車速均降至閾值以下或占在三個(gè)連續(xù)的采樣周期內(nèi)，車速均降至閾值以下或占有率超過(guò)閑值或流量與占有率都在非擁擠區(qū)域之外，有率超過(guò)閑值或流量與占有率都在非擁擠區(qū)域之外，可判定有擁擠存在?？膳卸ㄓ袚頂D

7、存在。 在連續(xù)兩個(gè)采樣周期內(nèi)，車速、流量和占有率任意兩在連續(xù)兩個(gè)采樣周期內(nèi)，車速、流量和占有率任意兩個(gè)超過(guò)各自的閾值，也可判斷發(fā)生了交通擁擠。個(gè)超過(guò)各自的閾值，也可判斷發(fā)生了交通擁擠。 McMasterMcMaster算法不足之處在于算法不足之處在于: : 采用單檢測(cè)線圈的測(cè)量數(shù)據(jù)，沒(méi)有充分利用交通流采用單檢測(cè)線圈的測(cè)量數(shù)據(jù)，沒(méi)有充分利用交通流的空間變化特點(diǎn)，僅根據(jù)交通數(shù)據(jù)的時(shí)間改變來(lái)檢測(cè)的空間變化特點(diǎn)，僅根據(jù)交通數(shù)據(jù)的時(shí)間改變來(lái)檢測(cè)事件的發(fā)生事件的發(fā)生; ; 該算法雖然能識(shí)別事件及事件成因，但準(zhǔn)確確定該算法雖然能識(shí)別事件及事件成因，但準(zhǔn)確確定3 3條臨界曲線比較困難，可能會(huì)出現(xiàn)比較大的誤差。

8、條臨界曲線比較困難，可能會(huì)出現(xiàn)比較大的誤差。 3 3）指數(shù)平滑法）指數(shù)平滑法 通常情況下，檢測(cè)器采集到的交通參數(shù)數(shù)據(jù)中含有較通常情況下，檢測(cè)器采集到的交通參數(shù)數(shù)據(jù)中含有較多的噪聲，如果將其直接用于交通擁擠的判別將導(dǎo)致多的噪聲，如果將其直接用于交通擁擠的判別將導(dǎo)致較高的誤報(bào)率。較高的誤報(bào)率。 指數(shù)平滑法先對(duì)原始交通數(shù)據(jù)進(jìn)行平滑，剔除短期的指數(shù)平滑法先對(duì)原始交通數(shù)據(jù)進(jìn)行平滑，剔除短期的交通干擾，如隨機(jī)波動(dòng)、交通脈沖和壓縮波等，然后交通干擾，如隨機(jī)波動(dòng)、交通脈沖和壓縮波等，然后將處理過(guò)的數(shù)據(jù)與預(yù)先設(shè)定的閾值進(jìn)行比較并判斷是將處理過(guò)的數(shù)據(jù)與預(yù)先設(shè)定的閾值進(jìn)行比較并判斷是否有擁擠發(fā)生。否有擁擠發(fā)生。 4

9、 4）標(biāo)準(zhǔn)偏差算法）標(biāo)準(zhǔn)偏差算法 即即SNDSND法，屬于統(tǒng)計(jì)預(yù)測(cè)算法，其原理是利用法，屬于統(tǒng)計(jì)預(yù)測(cè)算法，其原理是利用時(shí)刻時(shí)刻t t前前n n個(gè)采樣周期的交通參數(shù)個(gè)采樣周期的交通參數(shù)( (流量或占有流量或占有率率) )的算術(shù)平均值預(yù)測(cè)時(shí)刻的算術(shù)平均值預(yù)測(cè)時(shí)刻t t的交通參數(shù)值，再的交通參數(shù)值，再用標(biāo)準(zhǔn)正常偏差來(lái)度量交通參數(shù)相對(duì)于以前的用標(biāo)準(zhǔn)正常偏差來(lái)度量交通參數(shù)相對(duì)于以前的時(shí)間間隔中測(cè)到的平均趨勢(shì)值的變化程度，當(dāng)時(shí)間間隔中測(cè)到的平均趨勢(shì)值的變化程度，當(dāng)它超過(guò)預(yù)先設(shè)定的閾值時(shí)認(rèn)為發(fā)生了交通事件它超過(guò)預(yù)先設(shè)定的閾值時(shí)認(rèn)為發(fā)生了交通事件。 標(biāo)準(zhǔn)偏差算法簡(jiǎn)單且易于應(yīng)用，其不足之處在標(biāo)準(zhǔn)偏差算法簡(jiǎn)單且易

10、于應(yīng)用，其不足之處在于于: : 由于從歷史數(shù)據(jù)標(biāo)定的控制變量使該算法僅由于從歷史數(shù)據(jù)標(biāo)定的控制變量使該算法僅反映了歷史的交通模式，缺乏適應(yīng)近期交通變反映了歷史的交通模式，缺乏適應(yīng)近期交通變化的能力，在正常交通流起伏較大的情況下，化的能力，在正常交通流起伏較大的情況下，誤報(bào)率高誤報(bào)率高; ; 算法的性能很大程度上取決于檢測(cè)器的間距算法的性能很大程度上取決于檢測(cè)器的間距。 5 5）算法評(píng)價(jià)指標(biāo)）算法評(píng)價(jià)指標(biāo) 任何檢測(cè)算法均不可避免地產(chǎn)生誤報(bào)，因此需任何檢測(cè)算法均不可避免地產(chǎn)生誤報(bào)，因此需要用一些客觀的評(píng)價(jià)指標(biāo)來(lái)評(píng)估交通事件檢測(cè)要用一些客觀的評(píng)價(jià)指標(biāo)來(lái)評(píng)估交通事件檢測(cè)算法的效果。算法的效果。 目前主

11、要的衡量指標(biāo)有三個(gè)，即檢測(cè)率目前主要的衡量指標(biāo)有三個(gè)，即檢測(cè)率( (DetecDetectionRatetionRate，簡(jiǎn)稱，簡(jiǎn)稱DR)DR)、誤報(bào)率、誤報(bào)率( (FalseAIRateFalseAIRate，簡(jiǎn)稱簡(jiǎn)稱FAR)FAR)和平均檢測(cè)時(shí)間和平均檢測(cè)時(shí)間 ( (MeanTimeMeanTime To Det To Detectionection，簡(jiǎn)稱，簡(jiǎn)稱MTD)MTD)。 (1)DR(1)DR指一定時(shí)間內(nèi)算法檢測(cè)出的有效事件數(shù)指一定時(shí)間內(nèi)算法檢測(cè)出的有效事件數(shù)與實(shí)際發(fā)生事件數(shù)的比值與實(shí)際發(fā)生事件數(shù)的比值 (2)FAR(2)FAR指一定時(shí)間內(nèi)算法檢測(cè)誤報(bào)事件的次指一定時(shí)間內(nèi)算法檢測(cè)誤

12、報(bào)事件的次數(shù)與檢測(cè)到的事件總數(shù)的比值數(shù)與檢測(cè)到的事件總數(shù)的比值 (3)MTTD(3)MTTD指一定時(shí)間內(nèi)從事件發(fā)生到檢測(cè)算指一定時(shí)間內(nèi)從事件發(fā)生到檢測(cè)算法檢測(cè)到事件之間的平均時(shí)間間隔法檢測(cè)到事件之間的平均時(shí)間間隔 一般采用上述三個(gè)指標(biāo)來(lái)評(píng)價(jià)一個(gè)一般采用上述三個(gè)指標(biāo)來(lái)評(píng)價(jià)一個(gè)AIDAID算法的算法的性能。其中性能。其中DRDR，F(xiàn)ARFAR反映算法的有效性，反映算法的有效性，MTMTD D反映算法的效率。反映算法的效率。 檢測(cè)率越高越好，誤報(bào)率越小越好，平均檢測(cè)檢測(cè)率越高越好，誤報(bào)率越小越好，平均檢測(cè)時(shí)間越短越好。時(shí)間越短越好。 檢測(cè)算法的性能體現(xiàn)在檢測(cè)算法的性能體現(xiàn)在DRDR、FARFAR和和

13、MTDMTD指標(biāo)的綜合指標(biāo)的綜合評(píng)價(jià)，沒(méi)有必要強(qiáng)調(diào)某一方面的最優(yōu)。因此，在評(píng)估評(píng)價(jià)，沒(méi)有必要強(qiáng)調(diào)某一方面的最優(yōu)。因此，在評(píng)估過(guò)程中也經(jīng)常使用總體性能指標(biāo)過(guò)程中也經(jīng)常使用總體性能指標(biāo) ( (PerformaneeIndexPerformaneeIndex，PI)PI)這個(gè)參數(shù)，較低的這個(gè)參數(shù)，較低的PIPI值表明算法具有更好的特性值表明算法具有更好的特性。當(dāng)。當(dāng)DRDR0%FAR0%及及MTTD0MTTD0時(shí)，時(shí)， JustinBlaJustinBlackck和和 IndusreedeviIndusreedevi給出評(píng)價(jià)公式給出評(píng)價(jià)公式: : 其中，其中，m0m0，nono且且P0P0。mm，n

14、 n，P P分別代表分別代表DRDR、F FARAR和和MTDMTD的重要程度，取值越大，該參數(shù)越重要。的重要程度，取值越大，該參數(shù)越重要。一般這些系數(shù)的取值均為一般這些系數(shù)的取值均為1 1。三、三、AIDAID系統(tǒng)結(jié)構(gòu)及原理系統(tǒng)結(jié)構(gòu)及原理 1 1、系統(tǒng)結(jié)構(gòu)、系統(tǒng)結(jié)構(gòu) 交通信息采集、通信、事件檢測(cè)交通信息采集、通信、事件檢測(cè)3 3部分組成部分組成 2 2、AIDAID系統(tǒng)原理系統(tǒng)原理 交通異常事件導(dǎo)致道路上交通流的變化，可以交通異常事件導(dǎo)致道路上交通流的變化，可以通過(guò)實(shí)時(shí)監(jiān)測(cè)道路上不同位置的交通流參數(shù)變通過(guò)實(shí)時(shí)監(jiān)測(cè)道路上不同位置的交通流參數(shù)變化值加以識(shí)別?；导右宰R(shí)別。 模式識(shí)別，設(shè)計(jì)確定某些

15、交通流參數(shù)的變化（模式識(shí)別，設(shè)計(jì)確定某些交通流參數(shù)的變化（例如交通量、速度、車道占有率或它們的各種例如交通量、速度、車道占有率或它們的各種組合）。組合）。 宏觀上，宏觀上，AIDAID系統(tǒng)警報(bào)有系統(tǒng)警報(bào)有3 3個(gè)層次個(gè)層次 1 1）平均檢測(cè)時(shí)間盡可能短的一級(jí)報(bào)警，用于）平均檢測(cè)時(shí)間盡可能短的一級(jí)報(bào)警，用于出行信息系統(tǒng)，提醒上游駕駛員對(duì)可能發(fā)生的出行信息系統(tǒng)，提醒上游駕駛員對(duì)可能發(fā)生的擁擠注意。擁擠注意。 2 2）各種指標(biāo)居中的二級(jí)報(bào)警，提供交通事件）各種指標(biāo)居中的二級(jí)報(bào)警，提供交通事件管理者準(zhǔn)備救援手段。管理者準(zhǔn)備救援手段。 3 3）誤報(bào)率較低的三級(jí)警報(bào)，供交通事件救援）誤報(bào)率較低的三級(jí)警報(bào)，

16、供交通事件救援單位采取救援行動(dòng)。單位采取救援行動(dòng)。分析分析 目前由于環(huán)形線圈檢測(cè)器的普遍存在，使得間接事件檢測(cè)法一直都目前由于環(huán)形線圈檢測(cè)器的普遍存在，使得間接事件檢測(cè)法一直都在自動(dòng)事件檢測(cè)算法中占有主導(dǎo)地位。在自動(dòng)事件檢測(cè)算法中占有主導(dǎo)地位。但但該方法無(wú)法對(duì)車輛跟蹤、該方法無(wú)法對(duì)車輛跟蹤、分類，安裝時(shí)需要對(duì)道路進(jìn)行挖掘，費(fèi)用高昂，會(huì)造成交通中斷，分類，安裝時(shí)需要對(duì)道路進(jìn)行挖掘，費(fèi)用高昂，會(huì)造成交通中斷，并且檢測(cè)誤報(bào)率高、檢測(cè)時(shí)間長(zhǎng)。并且檢測(cè)誤報(bào)率高、檢測(cè)時(shí)間長(zhǎng)。 基于視頻的檢測(cè)系統(tǒng)除能夠獲得更多的交通流信息之外，還能識(shí)別基于視頻的檢測(cè)系統(tǒng)除能夠獲得更多的交通流信息之外，還能識(shí)別車輛類型和車輛

17、運(yùn)行軌跡，可以監(jiān)視遠(yuǎn)距離大范圍場(chǎng)景，且平均檢車輛類型和車輛運(yùn)行軌跡，可以監(jiān)視遠(yuǎn)距離大范圍場(chǎng)景，且平均檢測(cè)時(shí)間遠(yuǎn)小于基于地感線圈的測(cè)時(shí)間遠(yuǎn)小于基于地感線圈的 AID AID 系統(tǒng)。系統(tǒng)。五、直接方法五、直接方法視頻圖像處理的交通事件檢測(cè)視頻圖像處理的交通事件檢測(cè) 方法：利用計(jì)算機(jī)視覺(jué)與數(shù)字圖像處理技術(shù)，對(duì)設(shè)置在公路上的攝方法：利用計(jì)算機(jī)視覺(jué)與數(shù)字圖像處理技術(shù)，對(duì)設(shè)置在公路上的攝像頭采集的視頻圖像，進(jìn)行事件檢測(cè)算法智能處理，自動(dòng)采集各種像頭采集的視頻圖像，進(jìn)行事件檢測(cè)算法智能處理，自動(dòng)采集各種交通參數(shù)，檢測(cè)交通事件并及時(shí)報(bào)警。交通參數(shù)，檢測(cè)交通事件并及時(shí)報(bào)警。 基本工作流程：通過(guò)道路上監(jiān)控?cái)z像機(jī)將

18、道路交通運(yùn)行狀況的視頻基本工作流程：通過(guò)道路上監(jiān)控?cái)z像機(jī)將道路交通運(yùn)行狀況的視頻圖像捕捉下來(lái)，再將圖像實(shí)時(shí)送入計(jì)算機(jī)進(jìn)行處理和分析，得到交圖像捕捉下來(lái)，再將圖像實(shí)時(shí)送入計(jì)算機(jī)進(jìn)行處理和分析，得到交通狀況等信息，通過(guò)對(duì)交通狀況的分析檢測(cè)出是否有交通異常事件通狀況等信息，通過(guò)對(duì)交通狀況的分析檢測(cè)出是否有交通異常事件。 包括：運(yùn)動(dòng)車輛的自動(dòng)檢測(cè)、運(yùn)動(dòng)車輛的自動(dòng)跟蹤、交通參數(shù)的提包括：運(yùn)動(dòng)車輛的自動(dòng)檢測(cè)、運(yùn)動(dòng)車輛的自動(dòng)跟蹤、交通參數(shù)的提取、基于圖像分析的事件檢測(cè)、發(fā)生意外事件時(shí)的自動(dòng)報(bào)警和相應(yīng)取、基于圖像分析的事件檢測(cè)、發(fā)生意外事件時(shí)的自動(dòng)報(bào)警和相應(yīng)處理等。處理等。事件檢測(cè)工作流程：事件檢測(cè)工作流程：

19、快速有效的視頻圖像目標(biāo)分割及跟蹤是解決交通參數(shù)與事件檢測(cè)問(wèn)題的關(guān)快速有效的視頻圖像目標(biāo)分割及跟蹤是解決交通參數(shù)與事件檢測(cè)問(wèn)題的關(guān)鍵。鍵。 攝像機(jī)視頻采集預(yù)處理車輛檢測(cè)車輛跟蹤事件檢測(cè) 預(yù)處理預(yù)處理即初始化系統(tǒng)的參數(shù)設(shè)置，如即初始化系統(tǒng)的參數(shù)設(shè)置，如 路面參數(shù)：道路的通行方向和攝像機(jī)視場(chǎng)的監(jiān)控范圍。路面參數(shù)：道路的通行方向和攝像機(jī)視場(chǎng)的監(jiān)控范圍。 事件閾值參數(shù)事件閾值參數(shù) 車道線：標(biāo)識(shí)出道路車道線位置，為系統(tǒng)確定事故位置和變道事件等車道線：標(biāo)識(shí)出道路車道線位置，為系統(tǒng)確定事故位置和變道事件等檢測(cè)提供數(shù)據(jù)。檢測(cè)提供數(shù)據(jù)。 檢測(cè)區(qū)域參數(shù)：設(shè)置系統(tǒng)的檢測(cè)范圍，去除不必要區(qū)域的計(jì)算。檢測(cè)區(qū)域參數(shù)：設(shè)置系

20、統(tǒng)的檢測(cè)范圍，去除不必要區(qū)域的計(jì)算。視頻圖像檢測(cè)器TraficonTraficon VIP/I VIP/I事件檢測(cè)檢測(cè)拋灑物、逆向行駛、違章停車、交通事故等視頻圖像交通事件檢測(cè)器CITILOGCITILOGAt Present Popular Traffic Detector Types 當(dāng)車輛發(fā)生異常交通事件后，經(jīng)系統(tǒng)判斷認(rèn)定為異常事件時(shí)，10秒鐘內(nèi)發(fā)出報(bào)警，為交通管理人員及時(shí)處理提供依據(jù)。 車輛檢測(cè)流程車輛檢測(cè)流程 運(yùn)動(dòng)目標(biāo)檢測(cè)（幀差法、光流法、背景減除）運(yùn)動(dòng)目標(biāo)檢測(cè)（幀差法、光流法、背景減除） 背景重建（背景提取、背景更新）背景重建（背景提取、背景更新） 車輛目標(biāo)分割（閾值分割法）車輛目

21、標(biāo)分割（閾值分割法） 濾波和形態(tài)學(xué)處理（將車輛之外的噪聲去除，得到更為精確地車輛模濾波和形態(tài)學(xué)處理（將車輛之外的噪聲去除，得到更為精確地車輛模型）型） 連通區(qū)域標(biāo)識(shí)（對(duì)圖像中不同目標(biāo)物體進(jìn)行標(biāo)識(shí)，得到外接矩形）連通區(qū)域標(biāo)識(shí)（對(duì)圖像中不同目標(biāo)物體進(jìn)行標(biāo)識(shí)，得到外接矩形） 車輛跟蹤算法車輛跟蹤算法 基于特征的跟蹤（跟蹤目標(biāo)的局部特征，而非整個(gè)車輛目標(biāo)）基于特征的跟蹤（跟蹤目標(biāo)的局部特征，而非整個(gè)車輛目標(biāo)） 基于基于3D3D（模型）的跟蹤（將幾何形狀的三維模型投影成圖像，再根據(jù)（模型）的跟蹤（將幾何形狀的三維模型投影成圖像，再根據(jù)圖像中的目標(biāo)位置的變化來(lái)實(shí)現(xiàn)跟蹤）圖像中的目標(biāo)位置的變化來(lái)實(shí)現(xiàn)跟蹤） 基于動(dòng)態(tài)輪廓的跟蹤（將相鄰圖像間進(jìn)行輪廓匹配，跟蹤并實(shí)時(shí)修改基于動(dòng)態(tài)輪廓的跟蹤（將相鄰圖像間進(jìn)行輪廓匹配，跟蹤并實(shí)時(shí)修改輪廓特征）輪廓特征） 基于區(qū)域的跟蹤（跟蹤運(yùn)動(dòng)目標(biāo)構(gòu)成的連通區(qū)域中共有特征信息基于區(qū)域的跟蹤（跟蹤運(yùn)動(dòng)目標(biāo)構(gòu)成的連通區(qū)域中共有特征信息） 基于基于kalmankalman的（區(qū)域）車輛跟蹤流程的（區(qū)域）車輛跟蹤流程 目標(biāo)區(qū)域特征提取目標(biāo)區(qū)域特征提取: :通過(guò)目標(biāo)物體的外接矩形運(yùn)動(dòng)區(qū)域進(jìn)行標(biāo)定，并通