粒子濾波算法在智能交通系統(tǒng)中的應用研究.pdf

1、智能交通系統(tǒng)(ITS)在交通管理和城市規(guī)劃中起到了越來越重要的作用，而車輛跟蹤則是智能交通系統(tǒng)的核心技術之一。通常，在道路現(xiàn)場跟蹤多個車輛需要克服很多困難，如車輛數(shù)目的不確定性，現(xiàn)實場景中的光照變化和車輛間的相互影響等。本文針對多目標跟蹤的難點，對單攝像頭智能交通系統(tǒng)中的車輛跟蹤技術進行了深入地研究。
　　 粒子濾波算法是多目標跟蹤領域使用較多的一種貝葉斯估計算法，適用于任何能用狀態(tài)空間表示的非線性非高斯系統(tǒng)。本文提出了一種基于

2、粒子濾波理論的目標跟蹤算法。并用該算法對視頻序列圖像中的多個車輛目標進行跟蹤。本文的主要研究工作如下：
　　 研究了貝葉斯預測理論和基于該理論的更新運動目標狀態(tài)模型的方法。然后采用基于蒙特卡羅理論的粒子濾波算法估計目標在非高斯環(huán)境下的運動狀態(tài)的后驗概率分布。
　　 在目標檢測方面，本文提出了一種自適應目標提取的背景減除法。首先用混合高斯模型對序列圖像的每個像素進行建模，克服了像素值在變化過程中的多峰問題。然后，本文提出一

3、種能夠在線學習的自適應閾值選取算法，從而提高了目標檢測的精度。最后，利用形態(tài)學運算對背景差分結果進行噪聲消除。
　　 針對單目標跟蹤問題，本文采用了基于顏色特征的目標觀測模型，通過計算被跟蹤區(qū)域的顏色直方圖將目標的顏色分布信息與粒子濾波的權值更新結合起來，并使用在線學習算法對模板進行更新。
　　 本文用馬爾可夫蒙特卡羅算法(MCMC)解決多目標跟蹤中由數(shù)據(jù)關聯(lián)引起的粒子數(shù)目增漲問題。另外，為了減少系統(tǒng)計算量，本文將背景減