车辆监测是智能交通系统的重要组成部分,系统实时监测路口交通状态、动态检测交通事件、提取交通参数。目前车辆监测在各种环境下背景建模方法通用性差、难以适应天气变化和阴影干扰、车型识别难度大。针对这些问题,本文围绕城市道路交叉口的车辆检测与跟踪方法展开研究,主要涉及背景建模方法、车辆检测与车型识别、阴影去除和车辆跟踪,并把方法运用在闯红灯抓拍系统中。包括以下四个方面的研究内容:(1)二级选取策略的背景建模方法针对车辆拥堵时难以得到背景图像的问题,构建二级选取策略的背景建模方法。根据视频帧方差值衡量车辆拥堵情况,对视频帧进行第一级别的选取;用帧差法剔除入选帧内的运动像素,实现第二级别的像素选取;最后采用中值法估计每个像素点的背景值。该方法在路口车辆拥堵时,仍能在短时间内得到较理想的背景图像。(2)车辆检测与车型识别针对车辆检测中的阴影干扰、投影成像的几何变形等问题,提出复杂交通场景中的车辆检测与车型识别方法。采用自适应阈值检测前景区域;建立交通场景车辆光照模型,在RGB颜色空间内去除前景区域内的阴影;根据车辆驶向人为划定检测区域,通过反向透射投影映射消除车辆成像的几何变形影响,并把车辆分为大型车、中型车和小型车三种。检测方法能快速判断车辆到达情况,准确识别车辆类型。(3)基于均值偏移的车辆跟踪技术在均值偏移算法车辆跟踪的基础上,结合背景减法消除背景像素对目标车辆颜色概率密度的影响,加快迭代速度、提高迭代精度。首先在车辆检测阶段建立车辆跟踪对象作为前提,采用改进的均值偏移算法跟踪车辆,最后建立修正转向角的匀加速运动模型预测车辆运动轨迹。实现了在不同路况、不同天气下对不同类型车辆的实时跟踪,得到较高准确率。(4)实现视频闯红灯抓拍系统设计硬件方案,实现基于跟踪的车辆闯红灯抓拍系统并用于实际路口,根据车辆所在车道和当前车道信号灯相位判断并记录闯红灯行为。