基于時空馬爾可夫隨機場的城市交通事件檢測研究.pdf

1、目前很多基于視頻圖像的交通事件檢測軟件大都都是針對高速公路而開發(fā)，而針對城市道路的交通事件檢測系統(tǒng)很少，如果采用針對高速公路開發(fā)的交通事件檢測軟件運用在城市道路上，特別是交叉口處，將得不到理想的結(jié)果。論文在目前城市道路的交通事件檢測軟件比較薄弱的基礎上，研究并設計一套適合于城市道路交通事件檢測系統(tǒng)。
　　視頻圖像是一種動態(tài)的圖像，其背景和前景都隨時變化，導致遮擋現(xiàn)象的存在。在這種情況下，采用一般的分割方法會比較困難，為了能準確得到

2、分割圖像，論文首先引入時空馬爾可夫隨機場（以下簡稱ST-MRF）的概念，在充分研究馬爾可夫原理的基礎上，分別建立標號場和觀察場的能量函數(shù)模型，并分別介紹其參數(shù)估計方法，然后根據(jù)貝葉斯準則，利用標號場和觀察場之間的相互關系，即標號場的先驗概率和觀察場的似然概率之間的關系，獲得標號場的最大后驗概率(簡稱MAP)的估計參數(shù)，利用迭代條件模型(ICM)算法和模擬退火(Metropolis)算法（其目的是求最小能量函數(shù)值）實現(xiàn)最大后驗概率(MAP

3、)估算問題達到對運動目標的提取，從而完成分割過程。
　　然后，在圖像分割的基礎上，引入車輛跟蹤的概念。并提出了一種基于ST-MRF模型的自適應車輛跟蹤算法，在ST-MRF模型中，把視頻圖像分成若干像素塊，且每個塊由8×8個像素組成，每個塊都有其典型的運動矢量，塊之間的聯(lián)系通過這些典型的運動矢量聯(lián)系，建立運動序列圖像的ST-MRF模型，并且構(gòu)造其相應的能量耗費函數(shù)，然后利用松弛算法實現(xiàn)目標地圖最小化能量計算，獲得目標地圖和運動矢量地

4、圖，但是在車輛跟蹤中車輛長時間遮擋是普遍存在的問題，它將直接影響著跟蹤的精度，因此遮擋是車輛跟蹤研究中的關鍵問題。針對這一難題，在車輛跟蹤算法的基本原理介紹的基礎上提出了一種基于反向ST-MRF模型的車輛遮擋分割算法。該算法通過反向沿時間軸運用ST-MRF累積圖像，運用能量函數(shù)對運動矢量進行最優(yōu)化處理和融合不完整的分割部分，從而對車輛遮擋進行了比較完美的分割。最后從跟蹤結(jié)果—目標地圖和運動矢量地圖上獲得車輛數(shù)、速度、加速度、行車軌跡以及

5、車輛的運動坐標等交通參數(shù)，并通過對交通流參數(shù)的分析，得到實時的交通流運行特征，為下一章的交通事件檢測提供依據(jù)。
　　為了將車輛跟蹤技術和處理遮擋技術運用在交通事件檢測上，論文引入了一種新的事件檢測算法，該算法結(jié)合視頻采集交通流數(shù)據(jù)與檢測器采集的交通流數(shù)據(jù)一起，采用語義層次算法對交通事件進行檢測。語義層次模型結(jié)合交通事件檢測指標提出坐標類層、行為類層和事件類層三層語義結(jié)構(gòu)算法，并對路段上的碰撞、追尾、超速、車輛拋錨和魯莽駕駛等交通事

6、件進行檢測，其中坐標類層運算符估計每一輛車在每個圖像幀的坐標信息，坐標信息是通過操作車輛跟蹤結(jié)果—目標地圖和運動矢量地圖而獲得的;行為類運算符確定車輛的行為，即對來自坐標類運算符的每一輛車的時空軌跡進行分類;從這些車輛的行為中，事件類運算符確定事件的發(fā)生，當?shù)缆飞辖煌ū容^擁擠，車輛遮擋嚴重情況下很難觀察到交通事故，所以為了提高事件檢測率，視頻圖像中的行為類數(shù)據(jù)結(jié)合安裝在道路下游的檢測器獲得的流量類數(shù)據(jù)一起判斷事件發(fā)生。通過研究得出:基于

7、視頻與檢測器數(shù)據(jù)組成的語義層次算法能在交通量比較擁擠且車輛出現(xiàn)相互遮擋的情況下，能準確判斷交通事件發(fā)生，對緩解交通擁擠和減少交通事故有重要的意義。
　　為了與上述城市路段事件檢測銜接，保持整個城市事件檢測的連貫性，文章最后對城市交叉口的事件進行檢測。由于車輛在交叉口處行駛比較自由，不受方向限制，多個方向行駛的車輛將會在交叉口處發(fā)生沖突，導致交通事件的發(fā)生。在交叉口交通事件處理期間，救護車和警察將占據(jù)道路時間比較長，這些原因使得交叉

8、口交通事件檢測難度增加。論文以淮安市淮海南路與解放路交叉口為例，根據(jù)車輛運行與相位配時，總結(jié)在該四相位控制的交叉口具有沖突的兩輛車的相對運動情況，在車輛跟蹤的基礎上對具有沖突的車輛進行運動矢量量化，采用隱馬爾可夫模型（簡稱HMM）對該交叉口的交通沖突進行分類，并通過實驗驗證該算法能對正常交通下的車輛運行狀態(tài)進行沖突分類。通過沖突的檢測可以提前預防發(fā)生在交叉口處的交通事故（如碰撞、追尾、突然停車等）和危險狀態(tài)。也能對正常交通下的車輛運行狀