● 摘要
车辆交通是现代社会的重要标志之一。随着经济的快速发展，交通问题日益加剧。各国专家经过长期的研究发现，单纯依靠修建道路、扩大路网无法很好的解决这些问题。在这种情况下，智能交通系统应运而生。基于视频的交通信息采集是智能交通系统的一个重要的研究方向。本文主要研究了基于视频的车辆识别和跟踪问题，其中的车辆识别部分包括检测车辆区域和识别车辆类型。 车辆检测是基于视频的智能交通系统的基础，其准确性在很大程度上决定了车辆跟踪和车型识别的成败。本文对S.Gupte等提出的自适应背景差分法进行改进，提出了基于行列扫描的自适应背景差分法。 对于车辆的跟踪问题，在现实交通系统中，车流量较大造成车辆区域之间互相遮挡粘连、噪声影响造成同一辆车分为多个运动区域等问题大量存在，这些问题使得车辆跟踪变得困难。为了解决这些问题，准确的跟踪运动车辆，本文利用扩展卡尔曼滤波器辅助运动区域对应关系来进行车辆跟踪。这种方法对车辆区域的融合和分离问题具有很好的适应性。 本文采用基于仿射变换的车型识别方法。该方法利用现实车辆与车辆图像对应特征点之间的仿射变化关系来进行车型识别。能否正确的从车辆图像中提取出需要的特征点决定了车型识别能否顺利进行。为了解决这一问题，本文提出了对SUSAN角点检测结果进行逐行扫描的方法来从众多候选角点中提取特征点。用于识别的车辆轮廓的完整性对车型识别的准确率有很大影响。本文提出了基于跟踪图像序列的车型识别干扰去除方法，该方法可以很好的改善由于车辆之间相互遮挡造成的车辆区域不完整，这有利于提高车型识别的准确率。 本文对每一部分算法的有效性都设计实验进行了验证。