闯红灯事件的视频检测算法研究与应用

论文摘要

基于视频的闯红灯违章行为检测系统由于具有安装方便、覆盖范围广、检测参数多、证据易保存等特点,近几年发展迅速,成为智能交通系统领域的一个研究热点。同时,由于系统检测的背景环境复杂:车流量大、运动物体间的相互干扰严重、光照不断变化等,由此造成现有视频检测系统普遍存在检测率偏低的严重问题。鉴于以上背景,本文对闯红灯违章行为视频检测系统进行研究与探讨,并提出了一种综合应用虚拟线圈检测技术和车辆跟踪检测技术的新方法。本文主要的工作和贡献有:[1]本文根据停车线的特点,提出了基于停车线特征的虚拟线圈检测算法,该算法根据对停车线的遮挡判断,实现对运动车辆的检测,并相应的提出了背景更新的算法。该算法检测效果好,运算快,并能降低阴影对检测的干扰。[2]本文根据车辆尾部边缘信息丰富的特点,提出了一种车辆尾部跟踪算法,并结合虚拟线圈检测算法,实现了对车辆越线行为检测。该算法能基本排除密集车辆和行人等的干扰,确保了检测的准确性。[3]本文根据十字路口的实际情况,将车辆速度作为检测车辆闯红灯行为的条件之一,并为此提出了基于车辆尾部跟踪的车辆测速算法。[4]对于越线车辆的跟踪问题,本文提出了一种基于运动物体类型的跟踪算法。该算法根据检测区域内运动物体的运动特征,区分不同的运动物体类型,并针对性的对机动车辆进行跟踪,以此提高检测的速度和正确性。同时,结合车辆的重心等参数,可以解决车辆越线检测中存在的大车遮挡问题。[5]结合虚拟线圈检测、车辆尾部跟踪和越线车辆跟踪,系统实现了对车辆闯红灯行为的准确判断,该算法排除了大车干扰、车辆密集干扰、行人干扰等干扰问题,提高了系统检测的准确率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 技术研究现状概要
• 1.3 论文的主要工作和成果
• 1.4 论文的组织结构
• 第二章 图像分割理论基础
• 2.1 数字图像处理技术
• 2.1.1 阈值分割技术
• 2.1.2 平滑去噪技术
• 2.1.3 边缘检测技术
• 2.2 运动目标检测与分割
• 2.2.1 背景差分法
• 2.2.2 帧间差分法
• 2.2.3 光流法
• 2.3 数学形态学基础
• 2.3.1 腐蚀和膨胀
• 2.3.2 开运算和闭运算
• 2.3.3 二值图像连通区域搜索
• 第三章 现有闯红灯视频检测系统分析
• 3.1 引言
• 3.2 技术现状
• 3.3 基于特征线检测技术
• 3.4 虚拟线圈技术
• 3.4.1 基于特征提取的虚拟线圈检测算法
• 3.4.2 基于快速匹配的虚拟线圈检测算法
• 3.4.3 光流法虚拟线圈检测算法
• 3.4.4 基于彩色空间下的虚拟线圈检测算法
• 3.4.5 虚拟线圈技术的优缺点
• 3.5 运动目标跟踪技术
• 3.5.1 Snake模型及其改进算法
• 3.5.2 Kalman滤波器及其改进算法
• 3.5.3 粒子滤波及其改进算法
• 3.5.4 支持向量机跟踪算法
• 3.5.5 运动目标跟踪技术的优缺点
• 3.6 存在问题和难点分析
• 第四章 车辆越线检测
• 4.1 引言
• 4.2 系统流程和检测区设置
• 4.2.1 系统流程说明
• 4.2.2 系统检测区域设置
• 4.3 基于停车线特征的虚拟线圈检测技术
• 4.3.1 基于停车线特征的虚拟线圈检测算法
• 4.3.2 背景建模与更新
• 4.3.3 背景更新算法实验
• 4.4 基于车辆尾部信息的跟踪算法
• 4.4.1 车尾部特征
• 4.4.2 车尾部的检测与跟踪
• 4.5 基于车辆尾部跟踪的车速估算
• 4.5.1 视频测速的常用方法
• 4.5.2 基于车尾部跟踪的测速算法
• 4.6 车辆越线检测
• 4.7 实验结果与分析
• 4.7.1 实验参数设置
• 4.7.2 车辆越线检测实验
• 4.7.3 实验结论
• 第五章 越线车辆跟踪检测算法
• 5.1 引言
• 5.2 基于运动物体类型的跟踪算法
• 5.2.1 问题分析
• 5.2.2 算法流程和描述
• 5.2.3 运动物体类型的判断
• 5.2.4 候选运动物体的确定与匹配
• 5.2.5 运动物体遮挡处理
• 5.2.6 背景更新算法
• 5.2.7 越线检测中的遮挡问题处理
• 5.3 闯红灯违章行为检测
• 5.4 实验结果与分析
• 5.4.1 实验参数设置
• 5.4.2 闯红灯违章行为检测实验
• 5.4.3 实验结果分析
• 第六章 结论与展望
• 6.1 主要研究工作总结
• 6.2 后续研究方向
• 6.3 展望
• 参考文献
• 硕士在读期间科研成果介绍
• 致谢