路面車輛運(yùn)動的語義理解.pdf

1、計(jì)算機(jī)視覺發(fā)展的歷史表明,研究領(lǐng)域不限的通用計(jì)算機(jī)視覺系統(tǒng)是不現(xiàn)實(shí)的,該文結(jié)合交通視覺監(jiān)控,對路面交通場景動態(tài)圖像序列中的車輛運(yùn)動語義理解進(jìn)行了深入的研究,涉及到了許多動態(tài)圖像語義理解的基本問題,包括攝像機(jī)標(biāo)定、運(yùn)動檢測和分割、目標(biāo)定位、時空推理、場景恢復(fù)與表示、行為分析和建模、語義理解等等.該文的主要工作有:①提出了一種簡單方便的適用于路面交通場景的攝像機(jī)參數(shù)求解方法;改進(jìn)了運(yùn)動檢測的算法模塊,使得其對光照有更好的魯棒性;還提出了一種

2、車輛定位的算法.②提出了利用一種改進(jìn)的Kalman濾波器的車輛視覺跟蹤算法(包括對車輛的運(yùn)動建立動態(tài)模型),并與其他常用跟蹤濾波器進(jìn)行了比較.實(shí)驗(yàn)證明,由于引入了合理的正交性約束,使得這種改進(jìn)的Kalman濾波器能夠在復(fù)雜運(yùn)動下具有更好的跟蹤能力.③發(fā)展了一種高層語義理解的框架,引入了概念空間來實(shí)現(xiàn)從定量的幾何描述到語義概念之間的映射,從而在傳統(tǒng)計(jì)算機(jī)視覺和高層語義理解與推理之間架起一座橋梁.④研究了人類運(yùn)動概念的抽象層次,合理地區(qū)分了

3、普遍性程度(Generality)和復(fù)雜性程度(Complexity)兩種人類語義概念中的不同角度的抽象層次,并在不同的處理過程中對其建立模型.⑤提出了采用時間間隔模型來對行為建模和識別的方法.這種方法可以非常方便地為多個運(yùn)動目標(biāo)之間的交互行為建模,并利用建立的模型進(jìn)行行為識別.最后還利用簡單的語法規(guī)則,自動產(chǎn)生對語義概念的自然語言描述.⑥研究并實(shí)現(xiàn)了一個基于三維線框模型的路面交通監(jiān)控與行為理解系統(tǒng)平臺,平臺已經(jīng)能夠在PIV 1.7G的