视频车辆检测是一种在视频序列中提取运动车辆对象的技术,其广泛运用于视频监控、智能交通检测等系统中。由于运动车辆检测技术,特别是相机运动条件下的视频车辆检测,具有复杂性、多变性等特点,该技术仍处于起步阶段,需要不断的研究并加以改进。为了在相机运动条件下准确检测出车辆,本文围绕着以下几个方面来开展研究工作:(1)对本文涉及到的理论基础知识进行学习研究。总结概括涉及视频图像处理,尤其是视频目标检测等相关国内外文献资料;筛选并学习基于相机运动条件下视频车辆检测的相关知识,重点是近几年关于动摄像头下视频车辆检测研究成果;针对动摄像头视频车辆检测研究现状,并结合自身知识积累,构建本文算法框架。(2)对视频车辆检测方法进行分析研究。视频车辆检测方法可根据摄像头是否运动进行分类,本论文简单介绍了静摄像头下视频运动车辆检测方法,具体介绍相机运动条件下的视频车辆检测方法。(3)对相机运动条件下的视频车辆检测进行算法设计。算法分为四部分。第一部分全局运动估计与补偿算法,并对基础算法进行说明,在这基础上,通过分析不同的全局运动估计方法的优缺点,提出使用六参数仿射变换模型,估计仿射变换参数,然后对仿射变换后的图像进行补偿。第二部分高斯差分算法,改进了运动补偿后的差分步骤,以便获得更好的检测效果。第三部分非参数核密度估计算法,以此对检测进行优化。第四部分使用矩形框对检测出的车辆进行目标定位。(4)对本论文的算法进行实验验证。利用VS2010和Matlab软件平台,并结合OpenCV开源库,编写本算法的实验仿真程序,以动摄像头拍摄的视频为输入,进行实验。实验验证过程分为两部分:第一部分实验用来验证本文算法的功能实现;第二部分实验是对比试验,用来验证本文算法的准确性和高鲁棒性。研究创新有两点:(1)为了减小摄像头运动对视频中运动目标检测的影响,提高运动估计的准确度,在进行仿射运动估计时,对目标帧的前后帧采用不同的仿射变换矩阵,计算量降低了,仿射变换效果提高了。(2)使用非参数核密度估计对得到的检测目标进行优化,减少各环节带来的目标空洞问题和噪声灵敏度问题的影响。研究的不足是,仿射运动估计参数的获取,计算量较大,时间较长,仿射运动估计参数的获取速度仍有待提高,算法的天气情况适应性,需要进一步研究及改进。