基于图像的车辆跟踪与交通事件检测方法研究

论文摘要

随着交通量的不断增加,交通事故也变得愈加频繁,交通事件检测逐渐成为交通领域研究的热点。交通事件检测系统是交通监控系统的一个重要组成部分,本文主要对车辆检测、车辆跟踪和车辆交通事件检测进行了研究,主要工作体现在以下三个方面:1.车辆检测:在车辆检测过程中,改进了传统的背景差分模型,采用RGB三通道分别差分代替灰度差分,这样在前景检测的时候,可以得到更多的车辆像素,能够在一定程度上避免车辆出现断裂甚至漏检的问题。为了消除阴影带来的影响,提出了基于HSI和c1c2c3联合色彩空间的运动车辆阴影检测算法,并对阴影和目标检测错误进行了校正。该方法能够准确、实时地检测运动车辆的投射阴影。2.车辆跟踪:为了对车辆进行稳定、实时的跟踪,本文提出了基于SIFT特征和车辆区域匹配联合的车辆跟踪算法。该方法首先提取车辆区域的SIFT特征,不需要对整幅图像进行处理,减少了计算时间,然后结合区域匹配跟踪的信息,准确跟踪目标车辆。3.交通事件检测:在车辆跟踪的基础上,根据车辆外接矩形中心的轨迹点信息,通过直线拟合方法,判断车辆运动方向,同时检测车辆是否逆行、变道和停车。然后,建立图像坐标系和世界坐标系的映射关系,根据测速原理,计算车辆运动速度。从而根据道路规定的车辆运行最高时速,判断车辆是否超速。最后对本文的工作进行了总结,说明了本文研究的不足之处,同时指出了下一步研究中所需要开展的工作。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 论文研究目标及内容
• 1.3.1 研究目标
• 1.3.2 主要研究内容
• 1.4 论文结构
• 第2章 运动车辆检测
• 2.1 引言
• 2.2 常见的运动目标检测方法
• 2.2.1 背景差法
• 2.2.2 帧间差法
• 2.2.3 光流法
• 2.3 基于背景模型的运动车辆检测
• 2.3.1 背景重建
• 2.3.2 运动车辆检测
• 2.4 阴影检测和消除
• 2.4.1 颜色空间
• 2.4.2 阴影检测
• 2.4.3 阴影检测后处理
• 2.4.4 实验结果
• 2.5 后处理
• 2.5.1 形态学处理
• 2.5.2 连通区域标记
• 2.5.3 车辆外接矩形提取
• 2.6 本章小结
• 第3章 运动车辆跟踪
• 3.1 引言
• 3.2 常见的车辆跟踪方法
• 3.2.1 基于特征的跟踪算法
• 3.2.2 基于区域的跟踪算法
• 3.2.3 基于3D 模型的跟踪算法
• 3.2.4 基于变形模型的跟踪算法
• 3.3 Mean shift 框架下的跟踪算法
• 3.4 基于SIFT 特征与区域匹配联合的车辆跟踪
• 3.4.1 SIFT 特征点检测
• 3.4.2 基于SIFT 特征与区域匹配联合的车辆跟踪
• 3.5 本章小结
• 第4章 基于视频分析的交通事件检测
• 4.1 引言
• 4.2 车辆运动方向检测
• 4.3 车辆违章事件检测
• 4.3.1 车辆逆行检测
• 4.3.2 车辆变道检测
• 4.3.3 车辆停止检测
• 4.4 基于视频的车辆测速与超速检测
• 4.4.1 视频测速概述
• 4.4.2 图像坐标系与世界坐标系的换算
• 4.4.3 车速与超速检测
• 4.5 本章小结
• 第5章 总结与展望
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文目录