基于变长参照物的车速检测算法
用的复杂性以及受天气因素制约等多方面的局限性。美国加州帕萨迪纳市喷气式实验室最先提出了基于计算机视觉的交通流检测的想法。世界上第一个基于视频的交通检测系统由美国明尼苏达大学运输研究中心研制成功[1]。现阶段的视频检测技术很多都存在鲁棒性差、计算复杂度高等问题[2]。本文根据以上问题采用基于视频图像检测技术，通过SURF-Kalman算法实现运动车辆的跟踪，增加运动车辆跟踪的鲁棒性。在车速计算方面采用基于变长参照物的车速计算方法，使得车速的计算更加简便。
1运动车辆跟踪
利用计算机、模式识别、数字图像处理等技术可以实现与运动目标存在一定相似度的车辆建立关联。常用的跟踪方法可分为：光流法、轮廓跟踪法、3-D模型匹配法、区域法和特征跟踪法[3]。为实现对多目标的跟踪，同时保持算法的高效性、鲁棒性，本文采用了SURF算法和Kalman算法相结合的方法，将运动目标的质心作为特征点，预测特征点位置，并在该位置的附近进行特征匹配，从而实现对
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：