監(jiān)控視頻中基于在線學習的車輛跟蹤檢測算法與實現(xiàn).pdf

1、近年來，機動車的數(shù)量持續(xù)攀升和交通違法行為的同步增加，對道路交通的管理提出了更高的要求。而由于智能視頻監(jiān)控技術(shù)自身特有的優(yōu)勢以及機器學習、計算機視覺、圖像處理等技術(shù)的不斷發(fā)展，使得這一研究方向獲得越來越多的重視，成為當前人工智能領(lǐng)域的研究熱點之一。
　　本文主要是以城市交通視頻和小區(qū)監(jiān)控視頻作為研究對象，對視頻中的車輛進行檢測、跟蹤，最后提出對于車輛違章停泊和逆向行駛的檢測算法。論文的主要工作內(nèi)容如下：
　　檢測運動目標：比

2、較多種背景建模方法，針對視頻監(jiān)控系統(tǒng)中實際應用提出一個前景檢測的普遍框架，可以自動進行噪聲去除，進行前景檢測，檢測出的前景目標作為在線學習的目標。提出基于在線學習的陰影檢測算法。
　　檢測靜止目標：提出一種基于顏色和紋理特征在線學習的多尺度檢測方法，其中兩種特征向量的構(gòu)成系數(shù)由在線學習獲取，可以自適應選取各個尺度分量的閾值，同時有效解決了光線變化問題。
　　目標跟蹤和分類：介紹主流的在線學習跟蹤算法，提出本文跟蹤分類算法；使