基于智能交通监控系统中目标检测与追踪技术研究-开题报告(1013) - 图文

研究生选题报告书

（供工程硕士研究生用）

研究生姓名: 入

学

时

间：

导师姓名、职称： 所

属

学

院：交通运输工程

申请学位级别：工程硕士 工研选

程究题

领方题

域：交通运输工程 向：交通运输工程

目：基于智能交通监控系统中目标检

测与追踪技术研究

选题报告时间 2016年 10 月 05日

同济大学学位办公室制

I

说 明

1．选题报告书用计算机打印或黑色钢笔逐栏填写，要求字迹清晰，条理清楚，语句通顺。

2．选题报告所填各栏内容要求详实准确、重点突出。 3．选题报告不合格者不得进入论文工作阶段。

4．研究生将选题报告完成、到所在学院研究生工作办公室备案后，并交各学院保存或自己保存。论文答辩后，由答辩委员会秘书将此表与《学位申请及评定书》等材料一同交学院学位评定分委员会，经整理后交校学位办公室。

5．自备案之日起8—12个月后方可进行论文答辩。

6．此表限各种专业学位人员使用，空表可在校园网上下载。

II

一、文献查阅报告：（附阅读的主要文献：20篇以上，其中外文2篇以上） [1]张国伍，彭宏勤，智能交通系统[M]，电子工业出版社，2000，20-29. [2]杜宏川.智能化交通管理系统国内外发展现状分析[J].吉林交通科技，2009(2):59-60 [3]贾永红.数字图像处理[M].武汉:武汉大学出版社，2003.9:3-5 [4]杨杰，张翔.视频目标检测与跟踪及其应用.上海上海交通大学出版社，2012. [5]郭玲.智能视频监控中运动目标检测的算法研究，华南理工大学博士学位论文，2013. [6]张娟，毛晓波，陈铁军.运动目标跟踪算法研究综述[J].计算机应用研究，2009.12,26(12)：4407-4410 [7]张岩，崔智社，龙腾.图象序列中机动目标的形心跟踪[J].航空学报，2001.7,22(4)：312-316 [8]朱毅，张朝亮，周君.视频监控系统中的图像预处理技术[J].计算机与数字工程，2007,35(11)：1210-1212 [9]孟苑.复杂背景下运动目标的检测.西安电子科技大学硕士学位论文，2009. [10]何云.基于交通监控视频的运动目标检测与跟踪算法研究.浙江理工大学硕士学位论文，2011. [11]杨东东，常丹华，韩夏.运动目标检测与跟踪算法的改进与实现.激光与红外，2010，40(2)：205-209. [12]卢绪军.运动目标检测与跟踪技术研究.苏州大学硕士学位论文，2011. [13]刘翔.基于视频的运动目标检测与跟踪算法研究与应用.武汉科技大学硕士学位论文，2009. [14]张瑞.粒子滤波和均值漂移相结合目标跟踪算法.无线电通信技术，2011,37(2)：28-31. [15]徐杰.数字图像处理[M].武汉：华中科技大学出版社，2009.8:95-99. [16]贺贵明，吴元保，菜朝晖.基于内容的视频编码与传输控制技术[M].武汉：武汉大学出版社，2005.4:43-44. [17]宋杨.基于混合高斯模型的运动目标检测算法研究[D].大连大连理工大学，2008.12. [18]张玲，程义民，谢于明.基于局部二元图的视频对象阴影检测方法[J].系统工程与电子技术，2007.6,29(6)974-975 [19]李瑞.基于视频的车辆检测与跟踪算法研究[D].上海上海交通大学，2008.01. [20]王书鹏.视频目标跟踪算法的研究[D].西安：西安电子科技大学，2009.01. [21]马军强.基于视频的运动车辆检测与跟踪技术研究[D].北京工业大学，2009.5 [22]郭文强，候勇.数字图像处理[M].西安西安电子科技大学出版社，2009.5:203-204. [23]何欣欣.粒子滤波算法及其在目标跟踪中的应用.昆明理工大学硕士学位论文，2013. [24]黄建.目标跟踪的粒子算法研究.电子科技大学硕士学位论文，2012. [25]易科.动态场景下运动目标检测与跟踪.中南大学硕士学位论文，2011. [26]马纬章.多目标跟踪算法研究.北京理工大学硕士学位论文，2011. [27]贾永红.数字图像处理[M].武汉：武汉人学出版社，2003.9:133-138. [28]马军强.基于视频的运动车辆检测与跟踪技术研究[D].北京工业大学，2009.5.

1

[29]郭文强，候勇严.数字图像处理[M].西安西安电子科技大学出版社，2009.5:203-204. [30] 李靖. 基于支持向量机的基因表达数据降维方法的研究[D]. 苏州大学 2011 [31] 李知瑶. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理[D]. 苏州大学 2011 [32] 胡益军. 基于形状自适应DCT的基因芯片图像处理[D]. 苏州大学 2010 [33] 叶萍. 基于神经网络的植物叶片分类识别[D]. 苏州大学 2010 [34] 苏建. 基于EM算法的基因芯片图像信号检测与分析[D]. 苏州大学 2009 [35] 高道磊. 基于数学形态学的红细胞显微图像分类识别研究[D]. 苏州大学 2007 [36] 秦树伟. 白细胞显微图像的分类识别研究[D]. 苏州大学 2007 [37] 沙盛中. 复杂场景视频图像中运动物体的检测与跟踪[D]. 苏州大学 2008 [38] 陈传虎. 基于自适应神经模糊推理的传感器在线故障检测与预测[D]. 苏州大学 2004 [39] 王雯霞. 目标物体的形态谱分析与识别[D]. 苏州大学 2004 [40]Yulan Liu,Silong Peng.A New Motion Detection Algorithm Based on Snake and Mean Shift.Congress on Image and Signal Processing,2010,10(36)：140-144. [41]C.Chang and R.Ansari. Kernel particle filter for visual tracking.IEEE Signal Processing Letters,2005,12(3):242-245. [42]Bruno M G.S.Sequential Importance Sampling Filtering for Target Tracking in Image Sequences.2009,8,10(8):246-249. [43]Guang Yang,Kexiong Chen,Maiyu Zhou.Study on Statistics Iterative Thresholding Segmentation Based on Aviation Image[C].Eighth ACIS International Conference on Software Engineering,Artificial Intelligence,Networking,and Parallel Distributed Computing,2007.7:187-188. 2

二、和选题相关的调研报告：（调研时间、地点、单位及主要收获等） 1. 时间： 2016年04月-2016年07月 地点：同济大学图书馆 收获： 查阅大量国内外的文章和期刊，了解智能交通监控系统、目标检测及跟踪的研究现状，以及该领域的发展动向及发展前景等，并且对课题目的及其意义作了进一步的了解，明确今后研究工作的方向。 对此，本人对深圳坂田的华为新城片区的交通状况做了初步的调研。 随着华为新城建设规模日益扩大，片区内的机动车以及人口数量持续增长，交通拥堵、交通秩序混乱和大量的交通事故也日益严重，成为影响该片区各方面发展的一个重要因素。 为改善交通状况，区委、区政府明确提出：要求各部门、各街道要重视智慧城区建设，加强管理、优化服务，要注重机关和老百姓的实际需求，为市民、企业、政府构建高效的城市运营管理环境，提升城市软实力；把坂田片区确定作为智慧交通示范区，并划分了严管区、严管路，实施严管严治措施来缓解交通问题。 但是，城市交通问题产生的原因是多方面的，寄希望于仅仅通过城市交通规划、建设等工程性措施来解决交通问题是有限的，交通管理作为一种现代科学技术要求较高的社会行政行为应该更加充分地发挥其应有的作用。为了及时遏制各类交通违法行为，同时及时发现道路的交通事故，出警疏导交通，需利用智能交通监控系统、目标检测及跟踪等技术手段，加强对道路交通状况的监管。 3

三、选题报告（应包括以下内容） 1．所选课题的题目及课题来源 题 目：基于智能交通监控系统中目标检测与追踪技术研究 课题来源：工程项目 2．课题研究的背景、目的及意义 随着我国经济的飞速发展，车辆作为一种便利的交通工具其数量飞速增长。近十年来，私有车辆也越来越多，在不久的未来随着人们生活水平的提高，私有车辆具有普及趋势。然而与此同时大量的交通事故如堵车，追尾等问题却不断发生，给人们的生活带来很大影响的同时对城市的发展以及经济增长也带来了一系列的问题。为及时解决现有交通问题同时兼顾长远的利益，我国大力开展公路交通基础设施的建设，近年来取得了显著的成绩。然而好的交通状态不应只局限于基础设施的建设，运用科学的方法先进的技术来管理规范交通系统使有限的交通网充分发挥其作用就显得尤为重要。 视觉是人类获得外界信息、认知世界和感知世界的重要手段。统计数据显示，人类通过视觉获取的信息量大概占人类通过各种手段如触觉、听觉、嗅觉、味觉所获取总信息量的。利用视频采集设备、模式识别及图像处理等学科理论与算法，来架构机器的“视觉系统”，帮助人们进行数据的监测、采集以及分析，最终实现机器的自动化、智能化和数字化决策，具有重大的现实意义。由于近些年计算机技术、生物识别技术、数字图像处理技术以及网络技术的高速发展，视频图像处理越来越受到人们的重视。研究针对视频图像进行智能分析和处理已逐渐发展成为一个重要课题，其中，视频图像中运动目标的检测与跟踪作为相关研究的一个基础具有重要的意义。目前，“视频序列中运动目标的检测与跟踪已经成为智能安全监控、模式识别、智能交通管理、智能机器人、武器远程制导等领域的重要课题”。运动目标检测和跟踪方面的各研究成果也更为广泛的被应用于日常生活和国家建设的各个领域。 智能交通系统（Intelligent Transportation System，ITS），是指将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术及计算机处理技术等有效的集成、运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统川。智能交通系统的概念于年由美国智

4

能交通协会提出，并在世界各国大力推广。近十几年来随着计算机技术、通信技术的迅猛发展，世界各国投入大量人力，物力，财力对智能交通系统的研究使其得到很好的发展。 智能视频监控的主要优势体现在以下几个方面： 1.提高监控可靠性。智能视频监控系统彻底改变了以往完全由安全工作人员对监控画面进行监视和分析的模式，它通过嵌入在前端设备（网络摄机或视频服务器）中的智能视频模块对所监控的画面进行分析，并采用智能算法与用户定义的安全模型进行对比，一旦发现安全威胁立刻向监控中心报警。 2.提高报警精确度。智能视频监控系统能够有效提高报警精确度，大大减少误报和漏报现象的发生。智能视频监控系统的前端设备集成了强大的图像处理能力，并运行高级智能算法，使用户可以更加精确定义安全威胁的特征。例如用户可以定义一道虚拟警戒线，并规定只有跨过该警戒线（进入或走出）才产生报警，从警戒线旁边经过则不产生报警。 3.提高响应速度。智能视频监控系统拥有比普通网络视频监控系统更加强的智能特性，它能够识别可疑活动（例如有人在公共场所遗留了可疑物体，或者有人在敏感区域停留的时间过长），因此在安全威胁发生之前就能够提示安全工作人员关注相关监控画面，使安全部门有足够的时间为潜在的威胁做好准备工作。 4.提高查询速度。智能视频监控系统能够比普通视频监控系统更加节省存储空间，它能够在出现可疑情况或报警时存储压缩过的数字视频图像以及当时的场景信息，能够对存储的监控信息提供基于内容的快速查询。 将智能监控运用于交通系统有着十分重要的意义，它可以对高速公路及特定的交通路口实时交通流量进行统计对超速、超载等交通违法行为以及路况信息进行监测和取证对特定车辆进行实时快速跟踪和识别等等。由于智能监控强大的自动分析和提取功能它可以对驾驶员以及行人产生强大的威慑力，这样不仅可以减少交通事故的发生使交通更加畅通无阻而且可以为后面的交通事故提供强有力的证据提高相关部门处理事务的准确性和效率。智能监控技术除了可以用于交通场景还可以用于其他需要实行自动监控的场合。 因此作为智能交通系统的关键一步，本课题所研究的基于智能交通监控系统所

5

得的数字图像实现运动目标检测与跟踪有着重要的研究价值和意义。 3．和本课题有关的国内外研究现状及进展 3.1 智能交通系统概述 智能交通的诱人前景和广泛应用使得更多的科学家和工程师投入其研究的队伍当中。整个智能交通发展而言，美国，日本，欧洲等国家由于其经济发展和道路面临的交通压力，大量开展对智能交通研究的投入。[1] 美国自动化的交通管理水平以一前是落后于欧洲与日本的，由于美国土地资源相对比较丰富，因此相当一段时间内是靠修路来解决交通拥护问题，欧洲人甚至批评美国人还在向日本人学习交通控制，但是美国在智能交通的开发研究上大有后来者居上之势。面对己经相当庞大的公路网，要想再占用大量土地，投入大量自己大规模进行道路建设己经不可能。因此，美国以加利福尼亚的项目为开端，在20世纪90年代初开始实施全美大规模的ITS项目。[2] 1990年5月，美国IVHS协会成立，1994年改名为ITS协会。1991年美国国会通过了“综合地面运输效率方案”(ISTEA)。ISTEA的主要内容就是实施只能运输系统，并确定由美国运输部门负责全国的智能交通发展工作，并在以后的6年中由政府拨款6.6亿美元，用来进行智能交通研究工作。[3] 日本从20世纪70年代开始系统起步，政府各个部门共同参与，从而保证技术上完成智能交通，开展了动态路径诱导系统实验，在其后的年里，建立了路车间通信系统，交通信息系统等系统，从很大程度上满足了人们出行的需要，日本政府投入亿日元进行全国道路交通信息电子地图开发，将更好的对行车过程进行指导，甚至车辆的智能引导。[4] 欧洲的智能交通研究开发是由官方与民间并行进行的，由于欧洲的国家大部分很小，因此欧洲的智能交通主要从洲际的角度进行的。20世纪80年代中期，欧洲十多个国家投资50亿美元，联合执行一项旨在完善道路设施提高服务水平的DRIVE计划。该计划含义是欧洲用于车辆安全的专用道路基础设施，主要研究内容有：需求管理、交通和履行信息系统、城市综合交通管理、城市间综合交通管理、辅助驾驶等。该计划到1994年己完成，之后进行全面的应用开发工作。[6] 新加坡作为新兴的ITS国家，同时也是亚洲最早采用ETC的国家，其发展是

6

多车道收费模式，同吋韩国，澳大利亚等国家也相继开展了类似研究。[7] 相对于美国，我国的ITS研究起步比较晚，但是发展比较迅速，1995年正式提出智能交通工作单位，次年成立国家交通工程设施标委会，1997年在北京举办专门的智能交通发展会议，明确了我国交通发展的方向。[8] 此后定期召开智能交通会议，对我国智能交通的发展起到了促进作用。随着全国智能交通研究的兴起，我国也不断加大该领域的投入，一方面，各个省市都在积极地参与和规划，如北京，上海，武汉，南京等。另一方面国家也在不断的加大投入，加快自主研发的步伐。ITS是现代科技发展的主要产物，为未来交通的发展起着积极的促进作用，通过与计算机视觉，人工智能等学科的结合，在智能交通的发展中将会对道路的利用率大幅度提高，达到更加合理分配交通资源的目的。[9] 3.2 智能交通目标检测与跟踪技术研究 智能交通系统的诸多项目中，检测出车辆是前提。车辆识别检测技术就是在这样的需求下产生的。最早接触和使用的检测技术是雷达检测技术。雷达检测技术用于检测车辆速度，检测设备称为雷达测速器。雷达检测技术的原理是通过向运动着的车辆发射一定频率的无线电波，并检测物体反射回来的电波频率与发射频率的差别，利用发射和反射回来的电磁波频率的差别，来计算运动物体速度，实现对车辆的检测。在检测车速的同时，对车辆进行计数达到统计交通流量的目的，也可用于车辆存在的检测等。 目前车辆检测技术的方法有：超声波(微波)检测、红外检测、环形感应圈检测等等。在这些检测方法当中，超声波(微波)检测体积小，易于安装， 但其性能随环境温度和气流影响而降低，并且精度不高，不能检测静止或低速行驶的车辆，容易受车辆遮挡和行人的影响；红外线检测昼夜可采用同一算法而解决昼夜转换的问题，可提供大量交通管理信息，但需要很好的红外线焦平面检测器，并且受到车辆本身热源的影响，抗噪声的能力不强，精度不够高。环型线圈感应式检测技术是指由环型线圈作为检测探头的一套能检测到车辆通过或存在于检测区域的技术。虽然线圈检测精度相对较高，但这种方法有以下缺点：①要求设置于路面结构中，对路面有损坏，而且施工和安装相对不便；②道路如果再次施工，线圈也要做相应的调整或者重新埋置；③感应线圈易受到冰冻或繁忙交通的影响。

7

而目前采用交通视频检测逐渐成为智能交通系统的重要组成部分。随着微处理器价格的不断降低，性能不断提高，人们开始采用计算机图像处理和模式识别技术对连续的交通流图像进行处理，从而达到检测交通流的目的。视频图像处理可通过地面上的一台摄像机代替多个电感环，并且可提供更低的维护费用。与以上的几种检测器相比，视频检测器具有明显的优势，它能够弥补它们各自的不足之处，提供一套完备的检测手段，它能够自动提取出绝大多数的交通流有效数据，这其中包括交通流量、速度测量、车辆排队长度、车型分类、占有率以及密度等。它具有如下特点： （1）具有完备的检测手段，能够检测出绝大多数的交通流数据，其中包括交通量、车辆速度以及占有率等，还能够实现交通事故的自动检测。 （2）具有大区域检测的特点，有利于交通的管理和控制。 （3）使用安装无需接触公路实体，并且维护方便。 视频序列中运动目标的检测与跟踪具有广阔的应用前景和市场需求，因此，许多科研机构、高校、企业积极从事该领域的研究，并且已经获得许多重要成果。1998-2002年，通过欧盟IST（Information Society Technology）研究计划项目对法国国家计算机科学和控制研究院以及英国的雷丁大学等研究机构的资助，他们联合研究开发了一套名为ADVIEOR的监管系统，该系统经过建立智能化的监控系统提升了公共交通网络的管理水平，保障了人民人身和财产的安全。2000年，美国国防高级研究项目署又资助了HID（Human Identification at a Distance）远距离人脸识别项目，该项目是为了开发多模式大范围的视觉检测技术，以实现在远距离情况下对人的检测、分类和识别，增强重要目标和设施的自动保护能力。Maryland大学研发的实时视频监控系统“W4（Who?When?Where?What?）”不仅可以在室外环境下跟踪、监控多人的活动情况，以及将运动的人体部分检测分割出来，并且还可以对多个检测出的运动目标进行跟踪，并能够对运动目标的一些简单的行为特征进行分析和识别，如：行人是否携带物品等。此外，一些国际上的权威期刊，如：PAMI、IJCV、IVC等经常刊登目标检测与跟踪方面的学术论文，为该领域的研究人员提供了更多的交流及和作的机会，并将运动目标的行为分析作为重要研究课题之一。 我国在基于视频序列的运动目标检测与跟踪方面的研究虽然起步较晚，但是由

8

于近年来我国相关企业、科研院所对该领域的高度重视以及计算机技术、图像处理技术、生物识别技术的高速发展，加上政府的大力支持，我国在该领域已经取得了长足的进步，在国外权威期刊发表了很多学术论文，并且有一些优秀的研究成果已经投入实践应用。中国科学研究院自动化所模式识别国家重点实验室图像和视频分析研究组开发了基于人体运动的视觉检测系统、交通行为事件检测系统、交通场景监控系统和智能轮椅视频导航系统；西安交通大学的人工智能与机器人研究所使用光流法和帧差分法对自动巡航控制中的车辆跟踪进行研究；清华大学开发了可在自然环境中使用的视觉侦查系统，该系统能够检测运动目标，并对其进行跟踪，还能够根据视频图像生成全景图。 经过科研工作者多年的努力，在视频图像序列中，运动目标的检测与跟踪方面的研究已经取得了丰硕的研究成果。在视频图像中运动目标检测方面，提出了光流法、背景差分法、帧差分法等算法；在运动目标跟踪方面，提出了基于3D模型的跟踪方法、基于特征匹配的跟踪方法、基于活动轮廓的跟踪方法、基于区域匹配的跟踪方法。一些目标检测与跟踪的方法已经应用到视频监控领域。由于视频图像的实时性较高，外界环境变化较大，这些方法绝大多数只适用于特定的环境。目前，还很难找到一种能在所有环境中都行之有效的方法。 参考文献 [1]张国伍，彭宏勤，智能交通系统[M]，电子工业出版社，2000，20-29. [2]杜宏川.智能化交通管理系统国内外发展现状分析[J].吉林交通科技，2009(2):59-60 [3]贾永红.数字图像处理[M].武汉:武汉大学出版社，2003.9:3-5 [4]杨杰，张翔.视频目标检测与跟踪及其应用.上海上海交通大学出版社，2012. [5]郭玲.智能视频监控中运动目标检测的算法研究，华南理工大学博士学位论文，2013. [6]张娟，毛晓波，陈铁军.运动目标跟踪算法研究综述[J].计算机应用研究，2009.12,26(12)：4407-4410 [7]张岩，崔智社，龙腾.图象序列中机动目标的形心跟踪[J].航空学报，

9

2001.7,22(4)：312-316 [8]朱毅，张朝亮，周君.视频监控系统中的图像预处理技术[J].计算机与数字工程，2007,35(11)：1210-1212 [9]孟苑.复杂背景下运动目标的检测.西安电子科技大学硕士学位论文，2009. 4．研究内容和结构安排 4.1 研究内容 本文主要研究目标图像预处理和后处理、目标检测与目标跟踪算法在智能交通系统中的应用。通过对数字摄像机获取到的视频图像进行预处理，预处理后采用基于改进的Burendra背景建模法进行背景差分法实现运动目标的粗提取，然后采用基于EKF预测采样的粒子滤波跟踪算法对运动目标进行跟踪，通过实验数据验证算法在准确度、自适应性、实时性方面的提升。交通信息控制中心负责从交通网络中收集各种实时的交通信息，并进行信息处理。通过交通信息采集单元，对系统所需原始数据的采集，如道路现状、交通流量、交通流速、道路占有率等，并形成交通信息数据库，为后续的各种智能交通应用提供基础数据。 4.2 结构安排 第一章 绪论。在简单介绍了研究的背景、目的及意义的基础上，总览了智能交通及其车辆检测与跟踪技术的研究动态。 第二章 介绍了本文主要内容及其结构框架。 第三章 图像预处理和后处理。文中介绍了图像滤波、彩图灰度化及二值化、形态学操作和灰度直方图的相关知识。 第四章 目标检测算法研究。在对现有运动目标检测算法的优缺点进行分析总结的基础上，对改进的算法结合背景差分法的检测算法进行了深入研究。 第五章 目标跟踪算法研究。在对现有运动目标跟踪算法的优缺点进行分析总结的基础上，对基于预测采样的粒子滤波跟踪算法进行了深入研究。 第六章 论文的总结与未来工作展望。 论文结构组织图见下图。

10

5．预期的研究成果和创新点 1.针对背景建模中的动态变化、光线变化、摄像机振动等影响，提出了一种基于函数估计的自适应模糊估计方法。通过在不同场景下视频序列的测试，验证本文所建议的方法具有更好的背景建模效果。 2.运动目标的阴影影响着视频目标的提取，传统方法大多通过独立使用多特征进行阴影检测，这里提出一种基于多特征融合的 Choquet 模糊积分阴影检测方法。通过在多段不同的视频序列中测试，验证本文方法在阴影检测率和物体检测率方面的优越性。 3.针对传统码本树对特征和特征间的空间信息描述不足的问题，本文提出一种基于特征码本树和能量最小化的目标识别方法，验证此法对提高识别精度的贡献。

11

12

6．研究进度安排等。 2016年04月—2016年12月： 收集、阅读相关文献，做好笔记，完成开题报告； 2017年01月—2017年05月： 完成论文初稿，并总结前阶段的工作； 2017年07月： 完成论文准备答辩。 13

四、指导教师对选题报告的意见： 指导教师签名： 年 月 日 五、考核小组对选题报告的评语及对选题的意见： 选题报告考查成绩：（记优、良、中、合格、不合格） 考核小组组长签名： 年 月 日 附考核小组成员名单（至少由3人组成,导师不能担任组长）：

14

六、学院审查意见： 学院负责人签字： 年 月 日

七、学院备案时间 学院研究生工作办公室签字： 年 月 日

15

本文来源：https://www.bwwdw.com/article/x7zt.html