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(shù)已成為智能交通系統(tǒng)的重要技術(shù)之一。與傳統(tǒng)的地埋線圈檢測器技術(shù)進(jìn)行交通事件檢測相比，具有較高的實(shí)時(shí)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(shù)在某些關(guān)鍵技術(shù)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(yùn)動目標(biāo)檢測、跟蹤以及運(yùn)動目標(biāo)行為分析與識別環(huán)節(jié)還需進(jìn)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(yùn)用機(jī)器學(xué)習(xí)、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(guān)鍵技術(shù)問題進(jìn)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(jìn)行深入探討，提出了一種基于IPM視角變換的統(tǒng)計(jì)直方圖背景提取方法，克服了遠(yuǎn)景圖像誤統(tǒng)計(jì)為背景的現(xiàn)象;采用背景調(diào)整的背景更新方法，并進(jìn)行運(yùn)動目標(biāo)的陰影處理，提高了運(yùn)動目標(biāo)的檢測精度。結(jié)合運(yùn)動目標(biāo)的顏色和HOG特征，構(gòu)造了一種多特征聯(lián)合的尺度空間Mean-Shift多目標(biāo)跟蹤方法，克服了單種特征跟蹤效果差以及目標(biāo)由于所處背景位置的遠(yuǎn)近導(dǎo)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(biāo)運(yùn)動狀態(tài)進(jìn)行估計(jì)預(yù)測，解決了目標(biāo)交匯產(chǎn)生的遮擋問題，提高了多目標(biāo)跟蹤和軌跡提取的魯棒性和準(zhǔn)確性。綜合考慮目標(biāo)運(yùn)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(jìn)入檢測區(qū)域的運(yùn)動目標(biāo)的軌跡進(jìn)行空間和方向的混合模式匹配，進(jìn)行異常事件檢測。通過對城市交通實(shí)際場景中變道事件、逆行交通事件的識別，驗(yàn)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