城市交通場(chǎng)景中車(chē)輛異常行為檢測(cè)方法研究.pdf

1、隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展，人民生活水平得到不斷提高，汽車(chē)已進(jìn)入千家萬(wàn)戶(hù)，截止到2015年底，我國(guó)汽車(chē)保有量已達(dá)到1.72億輛。汽車(chē)保有量的大幅增長(zhǎng)，不僅給人們的日常出行帶來(lái)了極大便利，但也給交通管理帶來(lái)了城市交通擁擠、交通事故頻發(fā)等嚴(yán)峻的挑戰(zhàn)。車(chē)輛異常行為是指交通場(chǎng)景中的車(chē)輛違章、違法行為，主要包括闖紅燈、壓線和非法轉(zhuǎn)向等行為。據(jù)統(tǒng)計(jì)，在過(guò)去十年間，我國(guó)有超過(guò)100萬(wàn)人死于各類(lèi)交通事故，其中90％以上的交通事故是由車(chē)輛異常行為引成的。

2、對(duì)車(chē)輛異常行為進(jìn)行檢測(cè)預(yù)警已成為交通管理部門(mén)迫切需要解決的問(wèn)題之一，因此，本文研究城市交通場(chǎng)景中車(chē)輛異常行為的檢測(cè)方法，具體內(nèi)容如下:
　　首先，研究了基于色彩空間模型的城市交通場(chǎng)景中信號(hào)燈的檢測(cè)方法。采用中值濾波和光線補(bǔ)償算法對(duì)城市交通場(chǎng)景圖像進(jìn)行預(yù)處理，并采用信號(hào)燈的顏色直方圖和巴氏系數(shù)進(jìn)行信號(hào)燈模板匹配;基于顏色空間模型進(jìn)行城市交通場(chǎng)景中信號(hào)燈的狀態(tài)檢測(cè)，實(shí)驗(yàn)結(jié)果表明基于HSV彩色空間模型的城市交通場(chǎng)景中信號(hào)燈的檢測(cè)方法優(yōu)于

3、其他兩種彩色空間。
　　其次，研究了基于車(chē)輛及車(chē)牌對(duì)稱(chēng)特征的城市交通場(chǎng)景中車(chē)輛檢測(cè)的方法，并與基于車(chē)牌的車(chē)輛檢測(cè)方法、基于Gabor特征及支持向量機(jī)(SVM)的車(chē)輛檢測(cè)方法和Haar-like特征及AdaBoost分類(lèi)器的車(chē)輛檢測(cè)方法進(jìn)行了對(duì)比分析，實(shí)驗(yàn)結(jié)果表明基于車(chē)輛及車(chē)牌對(duì)稱(chēng)性的城市交通場(chǎng)景中車(chē)輛檢測(cè)的方法優(yōu)于其他三種方法，其檢測(cè)率達(dá)到91.2％。
　　最后，構(gòu)建了東南大學(xué)城市交通場(chǎng)景中車(chē)輛行為圖像庫(kù)，并提出了一種基于聯(lián)

4、合特征的城市交通場(chǎng)景中車(chē)輛異常行為檢測(cè)方法，該方法基于梯度方向直方圖(Histogramsof Oriented Gradient，HOG)特征和局部二值模式（Local Binary Pattern，LBP）特征的串聯(lián)聯(lián)合，并采用支持向量機(jī)(SVM)進(jìn)行自動(dòng)分類(lèi)。采用東南大學(xué)城市交通場(chǎng)景中車(chē)輛行為圖像庫(kù)進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明:在選取線性核函數(shù)的條件下，基于HOG-LBP的聯(lián)合特征的車(chē)輛行為識(shí)別優(yōu)于其他三種單特征，其識(shí)別率達(dá)到93