基于视频的夜间环境车辆检测与跟踪.docx

基于视频的夜间环境车辆检测与跟踪
徐文聪1，刘海2
（山东大学威海分校，机电与信息工程学院，山东省威海市264209）
摘要：针对夜间交通环境的特点，提出一种基于车灯的夜间交通流视频检测算法。首先，提出一种自适应阈值分割算法提取候选车灯连通域。接着，利用空间距离信息配对和分组属于同一辆车的连通域，根据规则集定位车灯，建立车辆假设。然后，通过线性搜索，结合最近邻准则和形状属性匹配在帧间关联车辆假设。对于部分和全部遮挡情况，结合Kalman滤波器处理。根据关联信息的连续性，确认车辆存在并保存跟踪轨迹。实验表明，该算法复杂度低，能够在夜晚多种交通环境下实时检测和跟踪车辆，误检和漏检率低，并且对遮挡情况具有一定的鲁棒性。
关键字：夜间车辆检测，自适应阈值分割，卡尔曼滤波，车辆跟踪

Video-basedVehicleDetectionandTrackingatNighttime
XUWen-cong1，LIUHai2
(SchoolofMechanical，Electrical&InformationEngineering，ShandongUniversityAtWeihai，Weihai264209，China)
Abstract:Fortrafficdataextractionatnighttime,aheadlights-basedvehicledetectionalgorithmisproposed.Firstly,headlightscandidatesareextractedbyanadaptivesegmentationalgorithm.Secondly,theheadlightscandidatesarepairedandgroupedbyspatialinformation.Thenrealheadlightsarelocatedbyrule-basedreasoningtogeneratevehiclehypotheses.Thirdly,thesepotentialtargetsaretrackedoverframesbylinearsearchingcombinedwithnearestneighborrulesandshapematching.AKalmanFilterisintegratedintotrackingmoduletohandlepartialandtotalocclusions.Thespatialcontinuityextractedfromtrackingprocessisusedtoconfirmvehicles’presence.Theresultsofexperimentsdemonstratethattheproposedalgorithmiseffectiveandrobustforvehicledetectionandtrackingatnighttimeinreal-time.
Keywords:nighttime，adaptivethresholdsegmentation，KalmanFilter，vehicledetection，vehicletracking

基于视频的交通数据采集技术由于其成本的低廉以及安装，维护的便利已经广泛地引起研究者的关注。然而，大部分交通视频检测算法的研究都集中在白天，由于夜晚交通场景的很多特殊性，许多适用于白天的视频检测算法，如背景消减，帧间差分等，并不适应夜间环境。夜晚是交通事故的高发时段，稳定和准确的夜间交通检测算法研究具有很高的理论和应用价值。作者简介：徐文聪1（1986-），男，安徽省马鞍山人，在读硕士，主要研究方向为数字图像处理与视觉测量；刘海2（1964-），男，山东省荣成人，教授，主要研究方向为计算机测控技术。

算法的概述
夜间环境下，车灯是车辆最明显和稳定的特征。我们以车前灯作为车辆的特征，设计夜间交通检测算法。先标定摄像机，对视频图像进行灰度变换，算法只处理灰度图像。为提取车灯，通过一种自适应阈值分割算法提取候选车灯连通域。将属于同一辆车的候选车灯连通域配对，分组，建立初始车辆假设。然后，帧间关联候选目标，结合空间和运动信息排除干扰和错误假设，完成车辆的检测和跟踪。算法框图如图1所示：
摄像机标定
提取候选车灯连通域
配对和分组候选车灯连通域
初始化车辆假设
车辆假设的判断
车辆假设的帧间关联
车辆的检测
车辆的跟踪
提取交通数据

图1算法框图
车辆检测和跟踪
安装和标定摄像机
为了便于摄像的机标定和距离信息的测量，保持摄像机镜头从正面俯视路面，道路方向与图像纵轴基本平行。在图像中人工设置感兴趣区域ROI(RegionofInterest)，如图2中红色直线所示。算法只处理属于红色边界以内的图像部分。摄像机标定的