基于車(chē)載攝像頭的前方運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法研究的中期報(bào)告

基于車(chē)載攝像頭的前方運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法研究的中期報(bào)告摘要：本文提出了一種基于車(chē)載攝像頭的前方運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法。首先利用Haar特征分類(lèi)器對(duì)前方道路圖像中的車(chē)輛進(jìn)行檢測(cè)，得到車(chē)輛的位置、大小和方向信息。然后采用KLT跟蹤算法對(duì)檢測(cè)到的車(chē)輛進(jìn)行跟蹤，并利用匈牙利算法將當(dāng)前跟蹤到的車(chē)輛匹配到之前跟蹤到的車(chē)輛上，從而實(shí)現(xiàn)對(duì)車(chē)輛的持續(xù)跟蹤。實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠?qū)崿F(xiàn)對(duì)前方運(yùn)動(dòng)車(chē)輛的準(zhǔn)確檢測(cè)與跟蹤。關(guān)鍵詞：車(chē)載攝像頭；前方運(yùn)動(dòng)車(chē)輛；Haar特征；KLT跟蹤；匈牙利算法1.研究背景隨著交通工具的普及和道路交通的日益擁堵，道路交通安全問(wèn)題已經(jīng)引起了社會(huì)的廣泛關(guān)注。車(chē)輛檢測(cè)與跟蹤技術(shù)作為智能交通系統(tǒng)的重要組成部分，能夠?qū)崿F(xiàn)對(duì)道路交通狀況的實(shí)時(shí)監(jiān)測(cè)和預(yù)警，提高道路交通的安全性和流暢性。2.相關(guān)工作車(chē)輛檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)問(wèn)題，已經(jīng)有許多相關(guān)的研究成果。傳統(tǒng)的車(chē)輛檢測(cè)方法主要包括基于顏色、形狀和紋理等特征的方法。近年來(lái)，基于深度學(xué)習(xí)的車(chē)輛檢測(cè)方法逐漸成為主流，如RCNN、YOLO等。車(chē)輛跟蹤技術(shù)是車(chē)輛檢測(cè)技術(shù)的延伸和完善，其主要任務(wù)是根據(jù)前一幀目標(biāo)的位置和速度信息，在當(dāng)前幀中尋找對(duì)應(yīng)的目標(biāo)位置。目前主流的車(chē)輛跟蹤算法包括基于Kalman濾波和基于KLT跟蹤的方法。3.提出方法本文提出了一種基于車(chē)載攝像頭的前方運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法。該方法主要分為兩個(gè)步驟，即車(chē)輛檢測(cè)和車(chē)輛跟蹤。3.1車(chē)輛檢測(cè)首先利用Haar特征分類(lèi)器對(duì)前方道路圖像中的車(chē)輛進(jìn)行檢測(cè)。具體步驟如下：（1）利用Viola-Jones算法對(duì)圖像進(jìn)行預(yù)處理，提取出所有可能的車(chē)輛候選框。（2）采用Haar特征分類(lèi)器對(duì)候選框進(jìn)行分類(lèi)，篩選出真實(shí)的車(chē)輛位置。（3）對(duì)檢測(cè)到的車(chē)輛區(qū)域進(jìn)行形態(tài)學(xué)處理，得到車(chē)輛的精確輪廓。（4）根據(jù)車(chē)輛區(qū)域的幾何形狀和顏色特征進(jìn)行進(jìn)一步驗(yàn)證，排除誤檢。最終得到檢測(cè)到的車(chē)輛的位置、大小和方向信息。3.2車(chē)輛跟蹤采用KLT跟蹤算法對(duì)檢測(cè)到的車(chē)輛進(jìn)行跟蹤。KLT跟蹤算法是一種基于互相關(guān)匹配的目標(biāo)跟蹤算法，其主要步驟如下：（1）提取車(chē)輛區(qū)域的特征點(diǎn)，并計(jì)算特征點(diǎn)的光流速度。（2）根據(jù)前一幀目標(biāo)的位置和速度信息，在當(dāng)前幀中尋找與之對(duì)應(yīng)的特征點(diǎn)。（3）根據(jù)匹配的特征點(diǎn)，計(jì)算出目標(biāo)的位移和速度信息，更新目標(biāo)的位置和速度。為了保證目標(biāo)跟蹤的準(zhǔn)確性和魯棒性，采用匈牙利算法將當(dāng)前跟蹤到的車(chē)輛匹配到之前跟蹤到的車(chē)輛上，從而實(shí)現(xiàn)對(duì)車(chē)輛的持續(xù)跟蹤。4.實(shí)驗(yàn)結(jié)果在真實(shí)道路場(chǎng)景下，本文所提出的車(chē)輛檢測(cè)與跟蹤方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠?qū)崿F(xiàn)對(duì)前方運(yùn)動(dòng)車(chē)輛的準(zhǔn)確檢測(cè)和跟蹤，并具有較強(qiáng)的魯棒性和實(shí)時(shí)性。5.結(jié)論與展望本文提出了一種基于車(chē)載攝像頭的前方運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤方法。該方法采用Haar特征分類(lèi)器實(shí)現(xiàn)對(duì)前方道路圖像中的車(chē)輛檢測(cè)，采用KLT跟蹤算法實(shí)現(xiàn)對(duì)車(chē)輛的跟蹤。實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠?qū)崿F(xiàn)對(duì)前方運(yùn)動(dòng)車(chē)輛的準(zhǔn)確檢測(cè)和跟蹤，并具有較強(qiáng)的魯