为解决视觉车辆跟踪过程中尺度变化导致的模型漂移问题,在核相关滤波算法的基础上,提出一种车辆目标的尺度搜索算法。通过比较目标区域上三个特定尺度相关滤波响应的平均峰值相关能量,推断出目标尺度的变化方向,进而在变化方向上迭代搜索当前目标的最佳尺度。此外,为确保相关滤波模板能够适应运动过程中的车辆外观变化,在最佳尺度估计的情形下,对模板进行自适应加权更新,进一步提高模板准确性。大量的实验表明,本文算法可以有效解决车辆跟踪过程中尺度变化导致的模型漂移问题,且相比于其他相关滤波类算法具有更加优秀的跟踪性能。

针对目前具体产品中算法实现复杂且基于计算机(PC)平台的纯软件环境等问题，提出了一种视频车辆跟踪的嵌入式实现方法。利用可编程片上技术，使得视频检测摆脱PC平台的依赖。以Nios II软核处理器和外设知识产权(IP)核为硬件平台, 结合模拟/数字信号转换(A/D)和数字/模拟信号转换(D/A)的视频接口，以μC/ OS为操作系统,实现了视频检测的硬件与软件结合的嵌入式检测技术。最后实验验证了设计的有效性。

提出一种新的基于区域的高速公路多车辆跟踪方案,包括背景建模、目标识别、目标跟踪等过程.针对高速公路监控图像质量差和干扰信号强的特点,在常规的颜色混合高斯背景模型的基础上,提出一种新的基于扰动区域的高斯背景模型来消除强噪声和背景小幅度运动的影响,并在时间序列上通过Kalman滤波迭代加权算法实现背景模型的自适应性更新.该背景模型明显提高了背景分割的准确性和自适应性.提出了一种改进的非递归区域生长算法用以有效地实现多目标的识别,算法复杂度仅为O(n).采用目标特征匹配和区域运动预测规则对多车辆进行实时跟踪和识别.实现了一个高速公路实时监控原型系统,运行结果表明,该跟踪方法不仅能准确跟踪和识别多目标,而且对道路环境和车辆运动方向具有很好的适应性和鲁棒性.

提出了复杂交通场景中的车辆检测新方法,采用背景差法进行运动对象分割,并结合运动边缘检测以提高检测的准确性,对提取出的感兴趣区域按一定规则进行区域融合以检测车辆.提出基于区域特征匹配的车辆跟踪新方法,通过计算车辆链表中区域的特征向量与当前帧运动区域特征向量的距离确定匹配车辆,实现车辆跟踪.同时利用"确定车辆"、"临时车辆"规则解决车辆遮挡和阴影问题.实验结果表明该方法简单有效,能有效解决车辆遮挡和阴影问题,实时提取交通信息.