三維交通道路自適應監(jiān)控關鍵技術研究.pdf

1、　　隨著現(xiàn)代城市交通設施的不斷完善，交通工具數(shù)量日益增加，交通壓力急劇增大，事故發(fā)生率顯著上升，智能交通監(jiān)控勢在必行。道路交通智能化是電子信息技術在交通運輸領域應用的前沿課題，目前大多數(shù)的交通監(jiān)控都是二維視頻監(jiān)控，而僅僅依靠二維視頻監(jiān)控無法完成目標的精確定位，給三維交通視頻監(jiān)控帶來諸多不便。因此，立體視覺尤其是雙目視覺被應用于交通視頻監(jiān)控領域以解決二維視頻監(jiān)控難以解決的問題。相對于二維視頻監(jiān)控，立體視頻能夠提供監(jiān)控場景的深度信息，立體視

2、覺的應用會將交通視頻監(jiān)控帶向一個新的發(fā)展空間。
　　在三維視頻監(jiān)控領域中，運動目標的分析是關鍵，包括對運動目標的檢測、定位、跟蹤以及對運動區(qū)域的增強等。運動目標的檢測是基礎，主要是采用相應的技術從視頻中將運動目標提取出來。在運動目標檢測的過程中，需要處理好運動目標的陰影產(chǎn)生的干擾問題。檢測與提取到準確的運動目標之后，選取合適的特征，利用立體視頻左右視點圖像對目標進行特征匹配、定位與跟蹤。針對識別目標的圖像區(qū)域與其他的高關注度局部

3、圖像區(qū)域，采用質量、時域、空域可分級算法進行圖像增強。實現(xiàn)在一般時間、空間分辨率下，高關注度局部區(qū)域圖像質量可根據(jù)帶寬情況達到最佳以及在帶寬允許情況下，提高該區(qū)域內容的空間、時間分辨率的目的，最終提高交通道路中多視點視頻監(jiān)控的監(jiān)控質量。
　　論文總結了當前主要的目標檢測、定位、人體跟蹤以及視頻圖像增強算法，并進一步研究其在三維視頻交通道路監(jiān)控中的可行性與有效性，主要的研究工作如下：
　　1. 研究視頻監(jiān)控系統(tǒng)中運動目標的

4、檢測與提取算法，提出了一種彩色圖像混合高斯建模、HSV顏色空間的陰影處理以及水平集輪廓跟蹤三種技術相結合的方法檢測與提取運動目標。
　　2. 分析攝像機模型與立體匹配原理，結合運動目標檢測與提取算法，基于立體匹配技術實現(xiàn)運動目標定位。
　　3. 研究目前主要的人體跟蹤算法，介紹了退火粒子濾波器(APF)的原理。在APF 的基礎之上，結合多視點視頻監(jiān)控的特點，提出了一種新的基于 APF 的多視點人體跟蹤算法，以實現(xiàn)三維視頻

5、監(jiān)控場景中的行人跟蹤。
　　4. 研究視頻圖像編碼可分級增強技術，在可分級編碼(SVC)方案中MGS編碼基礎之上，提出了一種基于分塊的視頻圖像感興趣區(qū)域增強算法。首先，該方案對視頻圖像進行感興趣區(qū)域劃分，將圖像區(qū)域劃分為感興趣區(qū)域與背景區(qū)域兩部分。然后，對感興趣區(qū)域內的圖像內容采用 MGS 質量可分級編碼技術進行逐級增強，將殘差(增強層減去基本層)的16個DCT變換系數(shù)進行分層傳輸?shù)玫讲煌|量的增強層；對背景區(qū)域，抑制增強層的傳