基于視覺的交通路口車輛智能檢測技術(shù)研究.pdf

1、近年來，隨著交通監(jiān)控和交通管理的智能化水平不斷提高，以視頻圖像處理、分析、理解為基礎(chǔ)的視頻監(jiān)控技術(shù)越來越多地引起人們的重視。其中，智能交通系統(tǒng)中的交通檢測與信息采集已經(jīng)成為計算機視覺技術(shù)應(yīng)用中的一項重要課題，而運動車輛的自動檢測、分類、跟蹤與沖突檢測等則是其中最基礎(chǔ)的部分。本論文針對上述問題進(jìn)行了探索和研究，提出了新的方法，并通過實驗證明了方法的有效性。
　　本文的主要研究內(nèi)容和學(xué)術(shù)上的主要貢獻(xiàn)包含以下幾個方面：
　　首先，

2、研究了運動目標(biāo)檢測問題。在分析交通場景陰影特性的基礎(chǔ)上，提出了一種在馬爾科夫隨機場框架下的基于多特征信息融合的陰影檢測算法。首先，利用基于高斯混合模型的背景減法提取前景運動目標(biāo)，并利用改進(jìn)的形態(tài)學(xué)濾波算法去除噪聲干擾。在陰影檢測過程中，綜合利用前景像素和對應(yīng)背景圖像像素間的顏色、邊界、紋理和時空一致性等特征信息來檢測陰影，將各種特征信息集成到馬爾可夫隨機場能量函數(shù)中，并利用圖割算法最小化馬爾科夫隨機場能量函數(shù)，在有效去除陰影的基礎(chǔ)上得到

3、最終的前景目標(biāo)檢測結(jié)果。
　　其次，研究了運動目標(biāo)分類問題。針對目標(biāo)特征描述和分類器的選取兩個影響目標(biāo)分類精度的關(guān)鍵問題，提出了一種基于核主成分分析的梯度方向直方圖特征算子，并構(gòu)建了基于二叉決策樹支持向量機的多類目標(biāo)分類器。其中，在目標(biāo)特征描述過程中，首先提取運動目標(biāo)的梯度方向直方圖，利用Mean-Shift聚類算法將特征向量聚類為若干個具有高度的內(nèi)在相似性的子集。然后，將其映射到一個高維特征空間，進(jìn)行線性主元分析，實現(xiàn)對目標(biāo)特征

4、的有效描述。在此基礎(chǔ)上，利用構(gòu)建的基于二叉決策樹支持向量機分類器實現(xiàn)對場景中多類目標(biāo)的準(zhǔn)確分類。
　　另外，為了實現(xiàn)對具有非線性、非高斯、多模態(tài)等運動特征的準(zhǔn)確目標(biāo)跟蹤，提出了一種基于人工免疫算法的粒子濾波器。由于傳統(tǒng)的粒子濾波算法在運算過程中會出現(xiàn)粒子退化現(xiàn)象，因此在重采樣過程中引入人工免疫算法，通過對粒子的克隆選擇使粒子樣本集合保持一定的多樣性，有效地避免了粒子的退化現(xiàn)象。針對復(fù)雜背景下視頻目標(biāo)跟蹤的實時性和可靠性問題，設(shè)計了

5、一種基于顏色特征和邊緣梯度特征的自適應(yīng)融合目標(biāo)跟蹤算法。在目標(biāo)跟蹤過程中，為了適應(yīng)跟蹤過程中目標(biāo)與背景的變化，同時為了提高目標(biāo)跟蹤的魯棒性，本文綜合利用上述兩種特征共同構(gòu)建粒子濾波器的觀測概率分布。
　　準(zhǔn)確的交通沖突檢測結(jié)果是實現(xiàn)基于交通沖突技術(shù)的交叉口安全評價的前提。在完成軌跡聚類和沖突預(yù)測的基礎(chǔ)上，提出了一種基于臨界安全區(qū)域的交通沖突判別方法。首先，利用Mean-Shift算法對運動目標(biāo)的初始軌跡集合進(jìn)行聚類，得到若干個能夠