随着城市化速度的加快,机动车日益普及,人们在享受机动车所带来的巨大便利的同时,也面临着交通拥挤的困惑。然而直接地去修建更多的路桥却根本赶不上车辆的发展速度。在现有的条件下,提高交通控制和管理水平,合理使用现有交通设施,充分发挥其性能,是解决交通问题的有效方法之一。随着计算机硬件技术和计算机视觉技术的发展,基于计算机视觉的交通监控系统成为可能。基于视频车辆的实时检测和跟踪是智能交通监控系统的核心部分。目前存在的检测和跟踪技术在复杂场景下、大范围、多目标的情况下,运动目标的分割和跟踪的效果不是很理想,需要进一步改善。就此现状,本文主要做了如下研究工作: 采用了基于混合高斯分布的自适应背景模型区分前景和背景,从而对前景运动目标进行捕捉,但是此方法忽略了相邻像素的相关性,本文通过形态滤波的方法对其进行了改进。 在跟踪方面提出了以扩展卡尔曼滤波为基础的跟踪模型,对物体进行跟踪。通过采用扩展卡尔曼滤波模型,减小了搜索范围提高了搜索的精度和算法的效率。并使用彩色直方图来对前后帧之间对应的目标区域图像进行匹配。 在交通参数测量方面,通过将屏幕坐标转换为真实世界坐标,然后根据真实世界坐标,实现了对车速车型等数据进行测量。 最终实现的系统,适用于大面积、多目标的复杂场景,能排除干扰,统计车流量、车速和简单的车型分类,可应用于高速公路和城市交通的管理中。