基于視頻圖像序列的拋酒物檢測.pdf

1、隨著高速公路和隧道的飛速發(fā)展,由此帶來的交通事故不斷增加,拋灑物事件作為一個頻繁發(fā)生的交通事件,其引發(fā)的交通事故及潛在的安全隱患已成為急需解決的問題。如何及時準(zhǔn)確的檢測到拋灑物事件的發(fā)生,盡早排除安全隱患,保障高速公路和隧道安全暢通,已成為人們關(guān)注的熱點問題。
　　 本文在分析相關(guān)遺失物檢測算法的基礎(chǔ)上,將基于雙重背景的遺失物檢測方法應(yīng)用于拋灑物交通事件檢測中,并提出改進(jìn),結(jié)合支持向量機(jī)(Support VectorMachin

2、e,簡稱SVM)分類器的分類識別結(jié)果,消除誤判斷,準(zhǔn)確檢測拋灑物事件的發(fā)生,以適應(yīng)公路交通這一特殊的應(yīng)用環(huán)境。主要分為運動目標(biāo)的檢測,運動目標(biāo)的跟蹤和拋灑物事件的檢測三大部分。首先,在分析常用的運動目標(biāo)檢測算法的基礎(chǔ)上,采用背景差分法,以保證運算的時效性。通過圖像的預(yù)處理,背景提取與更新,背景差分,陰影消除等步驟,完成運動目標(biāo)的檢測。提出了分裂輪廓的融合算法,對檢測中分裂的輪廓進(jìn)行融合,實驗證明,經(jīng)過分裂輪廓的融合,檢測精度有了很大的提

3、高。其次,采用了兩種常用的運動目標(biāo)跟蹤算法,Kalman濾波和基于區(qū)域質(zhì)心的跟蹤方法,同時給出了瞬時速度和交通流量等交通參數(shù)的計算方法,建立和更新運動目標(biāo)檔案,實現(xiàn)運動目標(biāo)的實時跟蹤。最后,在前面工作的基礎(chǔ)上,應(yīng)用基于雙重背景的遺失物檢測方法到拋灑物事件檢測中。為了適應(yīng)公路交通這一特殊環(huán)境,采用SVM對運動目標(biāo)進(jìn)行分類識別,對分類為非車類的運動目標(biāo)進(jìn)行檢測,消除了誤判斷。實驗證明,改進(jìn)后結(jié)合SVM分類結(jié)果的基于雙重背景的遺失物檢測方法應(yīng)