基于視頻技術(shù)的車輛違章行為檢測.pdf

1、隨著世界各國車輛數(shù)量的急劇增加，交通狀況日益受到人們的重視。如何有效地進(jìn)行交通管理，越來越成為世界各國政府和有關(guān)部門所關(guān)注的焦點。針對此問題，各種智能交通管理系統(tǒng)相繼產(chǎn)生或者已在研發(fā)之中，而對違章車輛進(jìn)行監(jiān)控則是其中一個極其重要的環(huán)節(jié)。傳統(tǒng)上對交通違章車輛監(jiān)控主要是通過埋在地下的感應(yīng)線圈來實現(xiàn)，這種方法對路面破壞性大，施工和安裝都不方便，并且要經(jīng)常進(jìn)行維修和維護(hù)。隨著視頻技術(shù)的飛速發(fā)展和計算機(jī)速度的成倍提高，基于計算機(jī)視頻檢測技術(shù)的交通

2、監(jiān)控系統(tǒng)的實現(xiàn)已成為可能。計算機(jī)視頻檢測較其它交通檢測技術(shù)而言，主要特點是安裝調(diào)試方便，對路面不會產(chǎn)生損壞，維護(hù)簡單，不會對路面交通狀況產(chǎn)生影響，并且可以得到很多交通信息。鑒于以上背景，本文對基于視頻的車輛違章行為檢測技術(shù)進(jìn)行了研究，主要針對兩種違章行為的研究：車輛闖紅燈和車輛逆行。 本文在已有運動目標(biāo)檢測、跟蹤算法的基礎(chǔ)上進(jìn)行了研究和改進(jìn)，并提出一種基于車輛運動軌跡分析的違章行為檢測算法。首先，在運動檢測方面，本文采用背景差分

3、法檢測運動目標(biāo)。背景建模與背景更新是背景差分法的基礎(chǔ)，本文在傳統(tǒng)均值濾波背景建模算法的基礎(chǔ)上進(jìn)行了改進(jìn)，從而可以提取出較為理想的背景模型，并分兩種情況選擇性的更新背景：輕微變化的背景更新和場景變化的背景更新。其次，本文采用Otsu閾值選取法將差分圖像二值化，并在后處理過程中提出一種鄰域統(tǒng)計法去除二值圖像中的噪聲。由于物體運動常伴有陰影，陰影的存在影響運動目標(biāo)檢測的正確性和準(zhǔn)確性，本文利用陰影區(qū)域與背景之間的紋理不變性對陰影進(jìn)行檢測與消除

4、，隨后通過檢測連通區(qū)域定位每一個運動目標(biāo)。由于交通場景的復(fù)雜性，檢測到的運動目標(biāo)不僅包括車輛，還包括行人、自行車、摩托車等運動目標(biāo)，因此，本文利用車輛與其他運動目標(biāo)在形狀特征的差異將運動目標(biāo)分類，提取運動車輛。最后，在運動車輛跟蹤方面，本文利用運動車輛的區(qū)域特征（直方圖，紋理，質(zhì)心）在不同幀中匹配，實現(xiàn)車輛的跟蹤，提取車輛運動軌跡。為了實現(xiàn)基于軌跡分析的車輛違章行為的檢測，本文利用三次樣條插值理論將軌跡點擬合，使得不均勻的軌跡點擬合成在