基于視覺(jué)的交通路口車輛智能檢測(cè)技術(shù)研究.pdf

1、近年來(lái)，隨著交通監(jiān)控和交通管理的智能化水平不斷提高，以視頻圖像處理、分析、理解為基礎(chǔ)的視頻監(jiān)控技術(shù)越來(lái)越多地引起人們的重視。其中，智能交通系統(tǒng)中的交通檢測(cè)與信息采集已經(jīng)成為計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用中的一項(xiàng)重要課題，而運(yùn)動(dòng)車輛的自動(dòng)檢測(cè)、分類、跟蹤與沖突檢測(cè)等則是其中最基礎(chǔ)的部分。本論文針對(duì)上述問(wèn)題進(jìn)行了探索和研究，提出了新的方法，并通過(guò)實(shí)驗(yàn)證明了方法的有效性。
　　本文的主要研究?jī)?nèi)容和學(xué)術(shù)上的主要貢獻(xiàn)包含以下幾個(gè)方面：
　　首先，

2、研究了運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題。在分析交通場(chǎng)景陰影特性的基礎(chǔ)上，提出了一種在馬爾科夫隨機(jī)場(chǎng)框架下的基于多特征信息融合的陰影檢測(cè)算法。首先，利用基于高斯混合模型的背景減法提取前景運(yùn)動(dòng)目標(biāo)，并利用改進(jìn)的形態(tài)學(xué)濾波算法去除噪聲干擾。在陰影檢測(cè)過(guò)程中，綜合利用前景像素和對(duì)應(yīng)背景圖像像素間的顏色、邊界、紋理和時(shí)空一致性等特征信息來(lái)檢測(cè)陰影，將各種特征信息集成到馬爾可夫隨機(jī)場(chǎng)能量函數(shù)中，并利用圖割算法最小化馬爾科夫隨機(jī)場(chǎng)能量函數(shù)，在有效去除陰影的基礎(chǔ)上得到

3、最終的前景目標(biāo)檢測(cè)結(jié)果。
　　其次，研究了運(yùn)動(dòng)目標(biāo)分類問(wèn)題。針對(duì)目標(biāo)特征描述和分類器的選取兩個(gè)影響目標(biāo)分類精度的關(guān)鍵問(wèn)題，提出了一種基于核主成分分析的梯度方向直方圖特征算子，并構(gòu)建了基于二叉決策樹(shù)支持向量機(jī)的多類目標(biāo)分類器。其中，在目標(biāo)特征描述過(guò)程中，首先提取運(yùn)動(dòng)目標(biāo)的梯度方向直方圖，利用Mean-Shift聚類算法將特征向量聚類為若干個(gè)具有高度的內(nèi)在相似性的子集。然后，將其映射到一個(gè)高維特征空間，進(jìn)行線性主元分析，實(shí)現(xiàn)對(duì)目標(biāo)特征

4、的有效描述。在此基礎(chǔ)上，利用構(gòu)建的基于二叉決策樹(shù)支持向量機(jī)分類器實(shí)現(xiàn)對(duì)場(chǎng)景中多類目標(biāo)的準(zhǔn)確分類。
　　另外，為了實(shí)現(xiàn)對(duì)具有非線性、非高斯、多模態(tài)等運(yùn)動(dòng)特征的準(zhǔn)確目標(biāo)跟蹤，提出了一種基于人工免疫算法的粒子濾波器。由于傳統(tǒng)的粒子濾波算法在運(yùn)算過(guò)程中會(huì)出現(xiàn)粒子退化現(xiàn)象，因此在重采樣過(guò)程中引入人工免疫算法，通過(guò)對(duì)粒子的克隆選擇使粒子樣本集合保持一定的多樣性，有效地避免了粒子的退化現(xiàn)象。針對(duì)復(fù)雜背景下視頻目標(biāo)跟蹤的實(shí)時(shí)性和可靠性問(wèn)題，設(shè)計(jì)了

5、一種基于顏色特征和邊緣梯度特征的自適應(yīng)融合目標(biāo)跟蹤算法。在目標(biāo)跟蹤過(guò)程中，為了適應(yīng)跟蹤過(guò)程中目標(biāo)與背景的變化，同時(shí)為了提高目標(biāo)跟蹤的魯棒性，本文綜合利用上述兩種特征共同構(gòu)建粒子濾波器的觀測(cè)概率分布。
　　準(zhǔn)確的交通沖突檢測(cè)結(jié)果是實(shí)現(xiàn)基于交通沖突技術(shù)的交叉口安全評(píng)價(jià)的前提。在完成軌跡聚類和沖突預(yù)測(cè)的基礎(chǔ)上，提出了一種基于臨界安全區(qū)域的交通沖突判別方法。首先，利用Mean-Shift算法對(duì)運(yùn)動(dòng)目標(biāo)的初始軌跡集合進(jìn)行聚類，得到若干個(gè)能夠