基于交通视频的车流量与交通事件检测

论文摘要

基于视频序列的运动物体检测与跟踪被广泛运用于智能视频监控,视频摘要,机器人视觉等各个领域,因此研究视频序列的运动物体检测与跟踪具有重要的意义,由于环境复杂及运动目标形状及大小变化和目标之间相互遮挡,摄像头突然被移动,光线突变等外界因素给运动物体检测与跟踪带来很大的困难,要研究出一套行之有效的算法非常困难,所以本文根据具体应用需求结合环境特点设计车流量统计算法,停车事件检测算法和行人识别与跟踪算法。论文的主要工作在一下几个方面。(1)提出了一种改进的基于线检测的多车辆道车流量检测算法,基于线检测的车流量检测算法并不对视频中的运动物体进行整体识别,仅仅是统计和分析某一车道某一条线上像素值,这样就有可能因为阴影或者车辆的跨道行驶等原因误检,本文设计的车流量统计算法不仅考虑车道上检测线上的像素值变化,还考虑变化像素的位置信息,对跨车道行驶或者带有阴影的情况仍然能准确的检测车流量。(2)实现了对普通公路和高速上的停车事件自动监控,提出一种基于高斯分布的交通事件检测方法。首先利用新的背景差技术提取出包含视频中的目标的前景图,其次把整个前景图分割成许多小块,以块为单位检查每个网格内前景点的分布,并对每一个网格建一个高斯模型,实现对停车事件的自动检测。最后,对不同环境下的多组视频进行测试,结果证明此算法检测精度高且算法实时性好,具有较好的鲁棒性。(3)提出了一种基于模型的行人检测与跟踪算法,该算法首先根据先验知识定义一个人的模型,然后设计一种根据人的位置来设置模型各个参数的范围,然后利用Kalman滤波运动目标进行预测跟踪,算法较好的检测到了视频中行人,并对其进行跟踪。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 计算机视觉的研究意义及国内外研究现状
• 1.2 本文的创新点
• 第二章 数字图像处理
• 2.1 数字图像基础
• 2.1.1 数字图像的表示
• 2.1.2 像素间的一些基本关系
• 2.1.3 连通性及连通分量
• 2.1.4 距离度量
• 2.1.5 算术或逻辑操作增强
• 2.2 空间域图像增强
• 2.3 空间滤波基础
• 2.3.1 平滑空间滤波器
• 2.3.2 统计排序滤波器
• 2.4 数学形态学滤波
• 2.4.1 膨胀
• 2.4.2 腐蚀
• 2.5 本章小结
• 第三章 背景提取模型
• 3.1 背景提取
• 3.1.1 背景提取概述
• 3.1.2 多帧平均法
• 3.1.3 单高斯背景建模
• 3.1.4 多高斯背景建模
• 3.1.5 一种基于概率统计的背景提取算法
• 3.2 本章小结
• 第四章 视频中运动物体检测
• 4.1 运动物体检测
• 4.1.1 帧差法
• 4.1.2 改进的背景消减法
• 4.1.3 光流法
• 4.2 本章小结
• 第五章 交通视频中的车流量与交通事件检测
• 5.1 车流量检测
• 5.1.1 数据处理算法
• 5.1.2 车流量检测算法
• 5.1.3 实验结果及分析
• 5.2 停车事件检测
• 5.2.1 车辆停车事件检测参数
• 5.2.2 车辆停车事件检测算法
• 5.2.3 实验及结果分析
• 5.3 行人识别，跟踪与轨迹分析
• 5.3.1 特征选取
• 5.3.2 行人识别
• 5.3.3 行人跟踪
• 5.3.4 实验结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件