交通監(jiān)控視頻中的異常事件檢測.pdf

1、異常事件檢測（Abnormalities Detection）是智能交通監(jiān)控中的一個熱門研究領(lǐng)域，其實用化后將成為智能交通系統(tǒng)（ITS）的一個重要組成部分，目前虛擬線圈技術(shù)已得到廣泛應(yīng)用，但基于視頻中運動物體行為分析的異常事件檢測技術(shù)尚處于研究階段，具有很大的潛在市場需求。本文對基于虛擬線圈的交通流量統(tǒng)計系統(tǒng)和異常軌跡初步探測系統(tǒng)進行了深入的研究。
　　 本文建立了一個用于檢測交通流量和粗略估計車輛速度等參數(shù)的虛擬線圈系統(tǒng)，采用

2、的虛擬線圈形式是各車道分別設(shè)置的三個相鄰的虛擬線，即斷面檢測的方式，這種方式的優(yōu)點是計算量小，業(yè)務(wù)邏輯相對簡單，能準(zhǔn)確測定交通流量。給出了一種基于時間窗口的虛擬線觸發(fā)狀態(tài)序列分析方法來提高統(tǒng)計準(zhǔn)確率，并且算法本身并不影響系統(tǒng)處理的實時性，也沒有過多引入影響系統(tǒng)效率的復(fù)雜業(yè)務(wù)邏輯。
　　 本文對異常軌跡初步探測系統(tǒng)進行了詳細的探討，對其包含的四個環(huán)節(jié)（背景建模模塊、前景處理模塊、物體跟蹤模塊，軌跡建模及分析模塊）涉及的算法進行了深

3、入分析。前兩個模塊提出了一種采用背景ISM（Illumination Significance Measure，亮度顯著性水平）值閾值化幀間差值提取前景象素點的方法，該方法最大的優(yōu)點是計算速度快，對場景光照突變能做到快速響應(yīng)，符合實時監(jiān)控的要求。為了去除前景提取階段及形態(tài)學(xué)濾波階段引入的背景點和部分投射陰影點，提出了基于梯度加權(quán)的物體外接矩形框調(diào)整算法，使處理后的矩形框能更貼近實際的物體邊緣。在物體跟蹤模塊，主要采用了均值位移方法。對于