基于Gaussian模型及Kalman滤波的车辆跟踪方法

来源：计算机技术与发展杂志2016年第05期北京时间：

作者：丁晓娜

摘要：近年来,随着机动车增加,各大"堵城"陆续出现.各种交通问题日益增多,因此使得智能交通系统的快速发展迫在眉睫.文中在研究传统车辆跟踪方法的基础上,提出基于混合Gaussian模型和Kalman滤波的车辆跟踪算法.通过对车辆运行的外部环境和自身变换等问题的深入分析,首先采用背景减除法提取前景区域,利用混合高斯模型进行背景建模,建模过程中,依据规则不断完成背景自适应提取与更新,排除噪声及"假目标"信息的干扰.在检测出目标车辆后,为保证跟踪效果,利用目标特征参数及运动状态的一致性、连续性排除噪声干扰.通过对目标车辆建立Kalman滤波预测模型,实现对目标的稳定跟踪.实验结果表明,该方法具有较好的实时性和跟踪效果,能够满足实时监控的要求.

关键词：混合高斯模型;Kalman滤波;边缘特征;车辆跟踪