智能视频分析是一门综合性很强的技术,它综合了图像处理、模式识别、计算机视觉等众多学科的研究成果。目前,智能监控技术被广泛的应用于交通、军事、医疗中,在诸多公共场所、小区、学校等也有较普遍的应用。本文主要研究了单目摄像机下具有静态背景的交通视频中运动车辆的检测及跟踪技术,实现了单目标的准确跟踪和多目标的准确计数。具体的工作如下:在目标检测方面,首先,对多种背景建模方法进行优缺点分析和对比,深入讨论了几种背景更新算法,在此基础上选择背景差法作为检测运动车辆的方法。其次,用改进的OTSU算法对差值图像进行自适应的二值化,这使得在不同光照变化情况下都能取得较好的二值化效果。最后,对前景的二值图像做了一些必要的后处理,如空洞填充、连通域标识、噪声去除以及阴影消除等工作。在目标特征描述方面,首先,阐述了对目标的兴趣点、纹理、颜色、轮廓等信息的描述方法。其次,选用SIFT特征作为兴趣点描述方法,对不同颜色、车型的车辆进行SIFT特征提取,显示了提取的过程并验证了对纹理较多的车辆体现出的可靠度。然后,对目标的梯度方向直方图和颜色直方图进行深入研究,用一维向量表示这两种特征,实现了对两种特征的联合表示。最后,经过多次实验证实了对梯度方向进行的新量化方法的可行性以及综合颜色直方图在目标匹配时的有效性。在目标跟踪方面,利用卡尔曼滤波器的预测对运动目标进行跟踪,并根据不同特征匹配的可信度实时地调整用于匹配的特征。这样在光线条件较差、颜色信息不可靠的情况下选取SIFT作为匹配特征。而在光线条件较好的情况下,可选用综合颜色直方图作为特征进行匹配,以减少车辆由于提取的特征点较少而出现的误匹配情况。此外,设计了针对多个目标情况下的计数算法,经实验验证具有较高的准确率。