基于連續(xù)視頻流的交通狀況與違章行為模式識別研究與實現(xiàn).pdf

1、近年來，機動車的保有量明顯上升，交通事故也更為頻發(fā)。然而很大一部分交通事故都是因為違章行車引起的，因此對車輛行為進(jìn)行檢測并給與違章者適當(dāng)?shù)慕逃吞幜P，是減少違章行為的有效手段之一。對車輛違章行為進(jìn)行檢測的傳統(tǒng)方法都是基于磁感應(yīng)原理來工作。通過環(huán)形檢測線圈、交通微波檢測器、雷達(dá)測速等設(shè)備來提取交通參數(shù)的方法，在當(dāng)前比較常用。上述方法有其明顯的缺點，如：安裝不方便、破壞路面、不易維護(hù)、獲取的交通信息量少等。視頻信息的特點有：直觀、具體、生動

2、、信息量大等。因此基于連續(xù)視頻流的交通狀況和違章行為分析成為國內(nèi)外廣大科技人員和學(xué)者關(guān)注的重點。
　　本文首先在對常用的運動目標(biāo)檢測算法進(jìn)行研究分析之后，用背景差分法來獲取運動目標(biāo)，并采用多幀均值背景建模方法來建立背景模型并實現(xiàn)背景的不斷更新。根據(jù)運動目標(biāo)區(qū)域的長寬比和占空比來對運動目標(biāo)進(jìn)行分類，進(jìn)而提取出運動車輛。
　　其次，研究分析了傳統(tǒng)的均值漂移算法在運動目標(biāo)跟蹤中的應(yīng)用，針對其缺點，對算法進(jìn)行了改進(jìn)，將卡爾曼濾波器位

3、置預(yù)測機制和窗口自適應(yīng)目標(biāo)大小的機制引入到運動目標(biāo)的跟蹤算法中，提出了基于KF的窗口自適應(yīng)MS算法。同時，本文對改進(jìn)的算法的性能和跟蹤效果進(jìn)行了分析，結(jié)果表明：改進(jìn)的算法性能和跟蹤效果都優(yōu)于傳統(tǒng)的均值漂移算法。
　　然后，設(shè)計了基于車輛運動軌跡的車輛行為判斷和交通參數(shù)提取算法。并且，在對基于顏色的車牌定位算法和基于邊緣檢測的車牌定位算法進(jìn)行研究分析后，本文將以上兩種算法結(jié)合起來進(jìn)行車牌定位，即基于顏色和邊緣檢測的車牌定位算法。結(jié)果