交通監(jiān)控系統(tǒng)中運動目標(biāo)異常行為理解研究.pdf

1、近年來，智能交通系統(tǒng)（ITS）以其高效性、安全性等優(yōu)勢受到國內(nèi)外學(xué)者的廣泛關(guān)注。同時，基于視頻的交通事故識別和行為理解作為ITS的一個重要組成部分，對及時預(yù)測和處理交通事故具有重要意義。但是，當(dāng)前的方法大多只適用于簡單場景和行為的識別，對于人車混型等復(fù)雜場景識別率較低?；谏鲜霰尘埃疚膶煌▓鼍跋碌倪\動目標(biāo)的檢測跟蹤和異常行為理解做了深入研究。
　　首先，在目標(biāo)檢測方面，提出了一種基于改進分水嶺的運動目標(biāo)檢測方法，算法首先進行自

2、適應(yīng)背景差分，并利用Otsu算法進行閾值處理和形態(tài)學(xué)去噪，得到初始二值化的運動目標(biāo)區(qū)域，然后對前景和背景對象進行標(biāo)記，在此基礎(chǔ)上采用基于標(biāo)記的分水嶺變換。實驗結(jié)果表明，本文算法能夠克服傳統(tǒng)分水嶺算法易產(chǎn)生過分割的缺陷，精確提取運動目標(biāo)輪廓。
　　在目標(biāo)跟蹤上，本文采用基于改進Hausdorff距離的模板匹配算法，將前述分水嶺算法提取的目標(biāo)輪廓轉(zhuǎn)化成多值圖像作為模板，然后將實時采集的圖像與模板圖像以改進加權(quán)Hausdorff距離作為

3、相似性度量進行匹配，從而實現(xiàn)跟蹤。實驗結(jié)果表明，本文跟蹤算法在實時性和準(zhǔn)確度上相對于傳統(tǒng)算法均得到了顯著提升。
　　在行為識別與理解方面，本文提出了一種基于隱馬爾可夫模型(HMM)的交通異常行為識別算法。首先通過目標(biāo)檢測與跟蹤，提取運動特征作為基本語義單元，并將其組合成簡單行為觀測序列，然后利用Baum-Welch算法進行異常行為的HMM建模，最后根據(jù)前向算法及閾值處理識別交通異常行為。實驗結(jié)果表明，本文算法能夠準(zhǔn)確識別出交通場景