基于視頻的高速公路事件檢測(cè).pdf

1、為了解決地面交通快速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)(ITS：Intelligent Transportation System)的研究被提到了重要位置。事件檢測(cè)系統(tǒng)作為ITS的核心和關(guān)鍵組件，成為許多國家的研究熱點(diǎn)。本文以視頻圖像為基礎(chǔ)，針對(duì)ITS領(lǐng)域的關(guān)鍵技術(shù)，對(duì)高速公路事件檢測(cè)系統(tǒng)中的相關(guān)問題進(jìn)行了研究和分析，主要工作體現(xiàn)在以下幾個(gè)方面： 1)提出一種自適應(yīng)背景模型的構(gòu)建和更新方法，該方法可以從含有干擾(如，目標(biāo)運(yùn)動(dòng)，環(huán)

2、境擾動(dòng)等)的視頻序列中準(zhǔn)確重構(gòu)背景；針對(duì)背景突變及漸變等情況，采用一種新的背景模型更新方法，自適應(yīng)的對(duì)背景模型進(jìn)行更新，可以較好地克服光照變化、環(huán)境中存在干擾等對(duì)背景模型的影響，具有較強(qiáng)的自適應(yīng)性。 2)以基于自適應(yīng)背景模型差分的目標(biāo)檢測(cè)方法為基礎(chǔ)，研究在高速公路背景及攝像機(jī)靜止的條件下，快速有效的運(yùn)動(dòng)車輛自動(dòng)檢測(cè)方法，并在車輛運(yùn)動(dòng)陰影的問題上作了部分研究，提出了一種計(jì)算RGB顏色空間的色度模型進(jìn)行陰影檢測(cè)，消除陰影對(duì)車輛檢測(cè)的

3、影響。 3)提出一種基于自適應(yīng)特征選擇的運(yùn)動(dòng)車輛跟蹤算法。將Boosting算法引入粒子濾波器，構(gòu)建了自適應(yīng)粒子濾波器，該方法首先利用背景信息和目標(biāo)信息建立特征分類器，將分類器的輸出結(jié)果作為粒子濾波系統(tǒng)觀測(cè)的重要信息，進(jìn)行粒子權(quán)值的計(jì)算，并在跟蹤過程中不斷更新特征分類器，從而自適應(yīng)地更新粒子的權(quán)值。該方法可以根據(jù)背景信息的不同自適應(yīng)的選擇特征，對(duì)于存在遮擋、形變及背景干擾等情況，依然可以很好地對(duì)目標(biāo)進(jìn)行穩(wěn)定跟蹤。 4)在

4、事件檢測(cè)部分，以跟蹤軌跡為基礎(chǔ)，通過直線擬合的方法，把復(fù)雜的車輛跟蹤軌跡曲線簡(jiǎn)化為直線組合，以直線差角代替軌跡曲線曲率變化，分析車輛行駛方向的變化情況，對(duì)車輛換道、避障、逆行等事件進(jìn)行判別，并通過車速計(jì)算對(duì)超速，慢速，停車等事件進(jìn)行檢測(cè)；提出一種基于boosting方法的擁塞檢測(cè)算法，通過對(duì)檢測(cè)原理及交通流的分析，確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，為了達(dá)到更好的檢測(cè)效果，利用boosting方法對(duì)神經(jīng)網(wǎng)絡(luò)的集成，然后對(duì)交通擁塞進(jìn)行檢測(cè)，最后對(duì)隱馬爾可