视觉信号具有信号探测范围宽、获取信息丰富等优点。随着近几年图像处理技术以及计算机处理能力的飞速发展,视觉导航在智能车辆的导航中有着广阔的应用前景。本论文依托山西省青年科技基金项目(20051015),提出了基于视觉的运动车辆识别与跟踪方法研究这一课题,对运动车辆的图像识别与跟踪方法进行了研究。在运动车辆的识别方面,主要利用基于视觉的车辆检测方法实现了车辆的轮廓识别。传统的检测方法帧间差分法是通过比较序列图像中连续两帧的差别从而达到检测目的的,这种算法容易把当前帧中显露出来(上一帧中被目标覆盖)的背景区域(即显露背景)也检测出来,造成检测的不准确。针对上述问题,本文提出了基于帧间差分法的二次差分法改进算法,利用相邻三帧图像两两差分,将两个差分结果相“与”并进行二值化来确定运动车辆在中间帧中图像的位置。该算法计算效率较高,消除了上一帧被目标车辆覆盖的显露背景,既延续了帧间差分法的优点,又克服了它的缺点。在运动车辆的跟踪方面,当车辆转弯或部分被遮挡时,传统的模板匹配等方法容易出现误匹配或跟踪丢失的情况,并且运算效率较低。针对以上问题,本文将人脸跟踪方法CamShift算法应用于车辆跟踪这一全新的领域。CamShift算法是一种基于目标颜色特征的跟踪方法,不受目标形状、大小变化的影响,有效地解决了运动车辆转弯和部分遮挡时其他算法出现的误跟踪问题。本文在识别与跟踪的基础上,利用CamShift算法的跟踪结果,结合光学和几何学原理建立了运动车辆的视觉测距模型,并分析了该模型的可行性。上述算法是在Visual C++集成开发环境中基于OpenCV编程实现的。文中对道路上的运动车辆和实验室遥控小车分别进行了识别与跟踪实验,实验结果表明二次差分法可以快速准确地实现车辆的位置识别,CamShift算法在运动车辆拐弯或部分被遮挡时仍能快速准确地跟踪车辆,验证了算法在基于视觉的运动车辆识别与跟踪中的有效性。