1、車輛檢測和跟蹤是智能交通的一個重要內容，也為“十二五規(guī)劃”智慧城市建設的首要目標——平安城市提供關鍵技術。該領域涉及的運動目標檢測和多目標跟蹤技術一直是計算機視覺和機器學習的研究熱點。本文在前期調研工作的基礎上，基于車燈特征對夜間車輛進行檢測，并訓練分類器來降低虛警率，在此基礎上實現(xiàn)魯棒的夜間車輛跟蹤。利用自動評價技術對夜間車輛跟蹤進行自動評價，并根據結果提出了改進的方案。
　　本文的主要工作有:
　　1、基于車燈特征的車輛

2、檢測技術的研究。本文首先對比了多種車輛檢測和跟蹤的技術，例如幀間差分法、背景差分法和自適應閾值分割法。針對這些傳統(tǒng)方法只適用于白天、光照充足條件下的車輛檢測和跟蹤而不適用于夜間的問題，提出了基于車燈的車輛檢測。在訓練階段，采用針對車燈的Haar特征并融合多尺度的幾何、形狀特征進行Adaboost分類器訓練。在測試階段，根據統(tǒng)計直方圖設定閾值，分割夜間圖像中的車燈。所有檢測到的車燈通過Adaboost分類器分類出正樣本，在此基礎上根據速度

3、、幾何、形狀等特征的相似性建立數(shù)據關聯(lián)進行多目標跟蹤。
　　2、針對車輛跟蹤的自動評價技術。對車輛跟蹤效果的評價是一個工作量極大的部分，為此，本文提出了一種自動評價的方法來對車輛跟蹤的各項性能進行自動的評價。首先是介紹了一款半自動標注工具，來獲取真實的車輛跟蹤結果。利用真實的車輛跟蹤結果和車輛跟蹤算法生成的跟蹤結果通過自動評價技術自動生成各項評價指標。這些評價指標包括正確率、缺失率、誤判率和轉變率。各項評價指標的數(shù)據顯示，本文提出