基于运动检测的高速公路交通事件检测算法研究

论文摘要

基于运动检测的高速公路交通事件检测系统是利用机器视觉领域的相关理论成果,根据我国道路交通特点进行视频信息处理、车辆识别与跟踪,从而实现交通事件自动检测、异常交通事件报警、分析并存储交通流数据和基于视频的天气状况检测等功能。交通事件自动检测系统是交通视频监控系统实现智能化和自动化的关键,系统的开发及应用可以实现高效、准确、快速的交通事件自动检测,为事件快速处理、减少交通延误及避免二次事故发生提供条件。本文以实现高速公路交通事件检测系统这一背景为基础,重点针对高速公路交通事件自动检测系统中的运动车辆的识别、跟踪、行为描述等几个关键技术进行研究,并在总结传统检测算法的基础上对这些关键算法进行了改进,以便建立一个可靠性强、准确率高、实时检测的高速公路交通事件自动检测系统。在运动目标检测方面,在深入分析现有检测算法的基础上选用高斯混合模型方法进行背景模型的建立和运动目标的识别,并对模型不足之处进行改进,提出基于反馈的自适应模型方法,进一步提高检测的精度并有效减少计算量;在运动目标标识方面,为了最大程度地拟合车辆对象,采用基于六边形的运行目标标识方法;在阴影消除方面,采用基于HSV颜色空间的邻域均值快速阴影消除算法对车辆的阴影进行快速的消除;在运动目标跟踪方面,针对高速公路这一特定场景,提出基于自适应信息融合的粒子滤波方法,通过融合灰度分布似然模型和颜色似然模型,实现在诸如存在遮挡、目标发生形变、复杂天气变化等情况下的稳定跟踪;在交通事件检测方面,提出基于车辆跟踪轨迹的高速公路交通事件检测方法,实现了停车、车辆逆向行驶、交通流量统计、车辆变道、交通阻塞、交通拥挤等交通事件的检测。通过在高速公路监控中心的实际运行测试表明,本文采用的算法可以在光照变化、场景存在干扰等情况下对运动车辆进行有效的检测与跟踪,并可以对云台移动、停车、逆行、变道、阻塞、拥挤等事件进行有效的识别。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 研究现状与存在的问题
• 1.2.1 运动车辆检测算法的研究现状
• 1.2.2 运动车辆跟踪算法的研究现状
• 1.2.3 交通事件检测算法的研究现状
• 1.3 论文的研究内容和主要工作
• 1.4 论文的结构
• 第二章 相关理论知识
• 2.1 引言
• 2.2 常用运动目标检测算法
• 2.2.1 光流法
• 2.2.2 帧间差分法
• 2.2.3 背景差分法
• 2.2.4 检测算法小结
• 2.3 粒子滤波理论
• 2.3.1 贝叶斯滤波原理
• 2.3.2 蒙特卡罗方法
• 2.3.3 贝叶斯重要性采样
• 2.3.4 序列重要性采样
• 2.3.5 建议分布的选择
• 2.3.6 粒子退化问题
• 2.4 本章小结
• 第三章 车辆检测算法的研究
• 3.1 引言
• 3.2 基于反馈机制的自适应高斯混合模型
• 3.2.1 高斯混合模型
• 3.2.2 基于反馈的背景分布
• 3.2.3 基于反馈机制的模型更新
• 3.2.4 自适应选择高斯分布个数
• 3.2.5 高斯混合模型的突变消除
• 3.2.6 实验结果及分析
• 3.3 运行车辆目标的提取方法
• 3.3.1 基于形态滤波方法的图像后处理
• 3.3.2 车辆目标的最小外接六边形标识
• 3.3.3 快速的阴影消除算法
• 3.3.4 实验结果及分析
• 3.4 本章小结
• 第四章 车辆跟踪算法的研究
• 4.1 引言
• 4.2 基于多信息融合的粒子滤波跟踪算法
• 4.2.1 目标模型的建立
• 4.2.2 目标的状态转移
• 4.2.3 系统观测
• 4.2.4 后验概率的计算
• 4.2.5 粒子重采样
• 4.2.6 粒子滤波算法的步骤
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 基于运动检测的交通事件检测算法研究
• 5.1 引言
• 5.2 云台移动与复位的检测
• 5.3 车辆跟踪轨迹和车速估计
• 5.4 交通事件检测
• 5.4.1 停车检测
• 5.4.2 车辆逆向行驶检测
• 5.4.3 交通流量统计
• 5.4.4 变换车道检测
• 5.4.5 交通阻塞检测
• 5.4.6 交通拥挤检测
• 5.5 本章小结
• 总结与展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢