基于視頻的交通路口背景建模的研究.pdf

1、城市交通的擁塞在道路路口尤為明顯，基于視頻的車流量準確檢測是路口信號燈智能控制的前提和關(guān)鍵。
　　 目前，車流量檢測的方法有多種，如背景差分法、鄰幀差分法、邊緣檢測法、光流法等，但由于路口車輛密度高和車速變化大的特點，本文選擇了背景差分的方法，這種方法的可靠性依賴于背景更新的有效性。
　　 本文提出了改進的頻度估計算法和支持向量機(SVM)理論相結(jié)合的方法來進行交通路口的背景建模。
　　 由于視頻圖像對光照的微小

2、變化都很敏感，在改進的頻度估計算法中，本文提出了灰度變化幅度的概念，尋找統(tǒng)計頻度值最大區(qū)間，然后用這個區(qū)間的灰度均值來作為背景估計值。支持向量機(SVM)優(yōu)良的性能已經(jīng)在許多領(lǐng)域，如生物信息學(xué)、醫(yī)療、文本和手寫識別等都取得了成功的應(yīng)用。本文通過SVM對背景進行訓(xùn)練，得到背景學(xué)習(xí)模型，然后用背景學(xué)習(xí)模型對道路的背景進行預(yù)測。利用訓(xùn)練模型對背景進行預(yù)測。
　　 改進的頻度估計算法，增強了對光照緩慢變化的適應(yīng)性，針對在嚴重堵車時的不足