导　　师： 李良群

授予学位： 硕士

作　　者： (）;

机构地区： 深圳大学

摘　　要： 随着人工智能的发展,智能视频监控系统作为智能交通系统(Intelligent Transportation System,ITS)重要的组成部分之一,目前已经广泛应用于人们生活的各个方面。车辆检测与跟踪是实现智能视频监控系统的关键技术,已经成为众多专家学者研究的热门领域之一。通常在实际道路交通场景中,单一的传感器并不能应对如光照变化、树枝的摆动、非机动车的运动、目标与其他物体的相互遮挡以及传感器自身参数变化等因素的干扰,而多传感器数据融合将成为解决这一难点的重要研究方向。本文主要研究毫米波雷达传感器和摄像机视觉传感器融合的车辆检测跟踪算法,包括雷达观测与视频观测的配准与融合、多目标车辆的数据关联以及应用系统的开发等关键技术问题,具体如下:首先,论文阐述了相关的理论基础知识。介绍了背景减除法中几种常用背景建模算法的基本原理、优缺点和适应场景,并确立以混合高斯背景建模算法作为视频检测的主要工具;介绍了几种常用的目标跟踪算法原理。其次,针对复杂的道路交通场景中出现的光照变化、非机动车和阴影的干扰以及遮挡等问题,提出了一种基于毫米波雷达与摄像机视频融合的车辆检测方法。该方法主要通过研究雷达坐标系与图像像素坐标系之间的转换关系,建立雷达与摄像机传感器数据空间融合模型和时间融合模型,对融合后的坐标进行校正,并建立与视频检测目标判决模型,确定判决准则,进而实现雷达与摄像机视频融合的车辆检测。实验表明融合检测结果比单一传感器的检测结果更有效、准确。该方法能够克服单一传感器在目标检测方面的不足,并且适应道路交通中不同的场景。然后,对于多目标跟踪中出现的目标漏检、虚假观测、目标数未知等不确定因素,引入直觉模糊集,提出了一种融入局部信息的直觉模�

关 键 词： 雷达与摄像机视频 多传感器融合 车辆检测与跟踪 直觉模糊集 数据关联

领　　域： []