基于視頻監(jiān)控的城市交通異常事件檢測算法研究.pdf

1、基于監(jiān)控視頻處理的交通異常事件檢測技術已成為智能交通系統(tǒng)的重要技術之一。與傳統(tǒng)的地埋線圈檢測器技術進行交通事件檢測相比，具有較高的實時性與直觀性。但是，基于監(jiān)控視頻的交通異常事件檢測技術在某些關鍵技術環(huán)節(jié)仍處于發(fā)展階段。特別是在交通監(jiān)控視頻場景下運動目標檢測、跟蹤以及運動目標行為分析與識別環(huán)節(jié)還需進一步研究。
　　本文以城市交通道路監(jiān)控視頻圖像為研究對象，運用機器學習、模式識別等圖像處理知識，對城市交通監(jiān)控視頻中交通異常事件檢測過

2、程中的若干關鍵技術問題進行系統(tǒng)性的研究。首先針對背景模型的建立、提取與更新進行深入探討，提出了一種基于IPM視角變換的統(tǒng)計直方圖背景提取方法，克服了遠景圖像誤統(tǒng)計為背景的現象;采用背景調整的背景更新方法，并進行運動目標的陰影處理，提高了運動目標的檢測精度。結合運動目標的顏色和HOG特征，構造了一種多特征聯合的尺度空間Mean-Shift多目標跟蹤方法，克服了單種特征跟蹤效果差以及目標由于所處背景位置的遠近導致跟蹤效果發(fā)生變化的問題;采用

3、Kalman濾波的方法對目標運動狀態(tài)進行估計預測，解決了目標交匯產生的遮擋問題，提高了多目標跟蹤和軌跡提取的魯棒性和準確性。綜合考慮目標運動軌跡的空間特性、方向特性，提出了一種基于混合模式匹配的城市交通異常事件檢測方法，對進入檢測區(qū)域的運動目標的軌跡進行空間和方向的混合模式匹配，進行異常事件檢測。通過對城市交通實際場景中變道事件、逆行交通事件的識別，驗證了本文方法的有效性。
　　本文的研究成果深化了基于視頻圖像的交通異常事件檢測理