基于视频图像处理技术的车辆跟踪算法

柏淼

【摘 要】从车辆视频流中准确提取出车辆的轮廓.为提高计算速度，改进的GVF—Snake模型采用贪心算法逐点迭代，并根据控制点的距离，自适应地增删控制点，以适应车辆目标大小变化.本文提出一种基于改进的GVF—Snake模型（视频图像处理技术）的车辆跟踪算法.该算法利用帧差法自动获取车辆的初始轮廓，通过进一步的优化GVF—Snake模型，在此基础上，应用预测算法对车辆进行快速准确的预测和跟踪监测.实验结果验证该算法是十分有针对性且稳定的。

【关键词】视频图像 车辆跟踪 GVF-Snake模型

1 目标轮廓的获取

1.1 初始轮廓的获取

初始轮廓的选取，将直接影响到试验数据最终的效果。考虑到初始轮廓选取的重要性，算法需要结合繁多交通视频图像的特点，利用帧差法获取目标初始轮廓.利用前后两帧的图像差得到差图像，将每个像素点的值与阈值比较得到二值图像。

1.2 GVF—Snake模型的改进型

获取初始轮廓，我们应用GVF—Snake模型使其收敛得到车辆目标的收敛轮廓。为准确快速地进行收敛，在传统的GVF—Snake模型的基础上结合交通监控图像的特点。

d是各控制点间的平均距离。外部能量（图像能量）函数的形式有多种，为克服基本Snake模型捕获范围小的问题，我们采用GVF能量。

1.3 GVF-Snake模型

活动轮廓模型就是一条可变形的参数曲线及其相应的能量函数，以最小化能量函数为目标，控制参数曲线变形，具有最小能量的曲线就是目标轮廓.在基本的Snake离散模型[121中，设活动轮廓曲线控制点为vi一（zi，Y。），1≤i≤N，N为控制点数2.2.3 贪心算法与自适应的增删点算法为提高收敛速度，本文算法采用willams等人提出的贪心算法。

1.4 目标跟踪模型

目标跟踪等价于在连续的视频流中对目标的区域、特征、模型、轮廓进行对应匹配的问题。常用的数学工具有卡尔曼（KalmanFiltering）、粒子滤波口1（Particle Filtering）、短程线法（GeodesicMethod）、预测算法[17]（Forecast Algorithm）等.本文采用预测算法对目标进行跟踪（预测目标在下一帧的初始轮廓），并结合交通视频的特点，对其做必要改进。由于初始轮廓与真实轮廓相差不远，GVF—Snake模型只需要保证在较近的范围内有良好的搜索能力，就能达到既快速又可靠跟踪的目的。

2 关键技术及解决方案

基于变换的视频处理过程如图2，日前，变换的视频处理技术主要是：一维子带编码和分级运动补偿，二维子带编码利用分析的多分辨率特性，准确估计运动、清除运动模糊信息；分级运动补偿针对两帧图像之间的差值信号进行变换，并在域内进行消噪、编码等，由图像之间的变化很小，使差值信号系数很少，这样提高了变换的速度。但是，视频处理速度在很大程度上取决于逆变换所需时间，视频处理的关键问题在于处理速度。

2.1采用多变换

多变换足单的推广，普通的单能同时具有对称、正交、有限支持等性质；而多放松了对单函数的限制，拥有这些特性，它对图像压缩有广阔的应用前景。

3 视频车辆检测系统的分析与设计

前面章节介绍了视频图像车辆检测的算法及基本原理，对图像处理过程中的图像预处理，边缘提取，车辆检测及分割的基本原理、算法做了介绍，对各种算法做了分析比较，提出了新的算法。

4 结语

下一步将考虑引入模糊理论，使每个阈值根据已知的参量自适应变化，进一步提高算法的可靠性。本文提出一种基于改进的视频模型的车辆跟踪算法。经实验验证该算法是有效的，能够较好地提取车辆目标的边缘，完成对车辆的跟踪。算法中引入一些阈值，尽管分别在黑夜、白昼2种模式下取值，一定程度上提高算法的可靠性，但仍然不具有自适应能力。

参考文献：

[1]张玲，陈丽敏，何伟 等.基于视频的改进帧差法在车流量检测中的应用.重庆大学学报（自然科学版），2004，27（5）：31—33.

[2]柳林霞，陈杰，窦丽华.不变矩理论及其在目标识别中的应用.火力与指挥控制，2003，28（2）：13—15.

[3]严柏军，郑链，王克勇.基于不变矩特征匹配的快速目标检测算法.红外技术，2001，23（6）：8-12.