基于視頻的車輛違章行為檢測研究.pdf

1、近年來國內(nèi)經(jīng)濟高速發(fā)展，城市化進程不斷加快，城市交通監(jiān)管的壓力逐漸增大，各類交通違章行為對交通秩序造成的影響日益惡劣。作為智能交通系統(tǒng)的重要組成部分，基于視頻的車輛違規(guī)轉(zhuǎn)彎等違章行為的檢測通過對車輛的違章行為進行自動檢測、判別與記錄，可為交通管理部門進行交通監(jiān)管與決策提供有力依據(jù)。針對現(xiàn)階段視頻車輛違章檢測研究現(xiàn)狀以及所需技術，從以下幾個方面進行研究并闡述本文所做工作。
　　首先對運動目標檢測進行了研究。通過分析比較自適應背景選擇

2、更新、混合高斯模型、模糊數(shù)學、神經(jīng)網(wǎng)絡等幾種主要前景檢測算法，選擇使用ViBe背景提取方法以滿足車輛違章行為檢測的要求;同時針對前景檢測中普遍存在的將陰影誤檢為前景從而降低檢測效果，影響后續(xù)違章行為判別的問題，本文提出將基于HSV顏色空間特征的陰影檢測方法運用于ViBe算法特有的像素級更新機制中，通過在背景模型像素樣本集更新過程中進行陰影的判別，從而在確保得到準確前景目標的基礎上，盡可能減少陰影去除算法對實時性造成的影響。
　　其

3、次對車輛跟蹤及軌跡提取進行了研究。為了實現(xiàn)對車輛違章的判別，需要對車輛進行跟蹤從而提取車輛目標的軌跡信息。本文在提取前景車輛特征（質(zhì)心、前景目標連通域?qū)捀咭约皢挝粫r間偏移）的基礎上，通過多特征匹配的方法實現(xiàn)車輛間的關聯(lián)，并建立跟蹤列表實現(xiàn)多個車輛的穩(wěn)定跟蹤;同時為了提高算法搜索效率，利用卡爾曼濾波算法對車輛狀態(tài)信息向量進行預測。
　　再次對車輛違章行為的判別進行了研究。本文針對車輛違章逆行、違章轉(zhuǎn)彎、違章壓線以及違章停車等異常行為