基于視頻的高速公路事件檢測.pdf

1、為了解決地面交通快速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)(ITS：Intelligent Transportation System)的研究被提到了重要位置。事件檢測系統(tǒng)作為ITS的核心和關鍵組件，成為許多國家的研究熱點。本文以視頻圖像為基礎，針對ITS領域的關鍵技術，對高速公路事件檢測系統(tǒng)中的相關問題進行了研究和分析，主要工作體現在以下幾個方面： 1)提出一種自適應背景模型的構建和更新方法，該方法可以從含有干擾(如，目標運動，環(huán)

2、境擾動等)的視頻序列中準確重構背景；針對背景突變及漸變等情況，采用一種新的背景模型更新方法，自適應的對背景模型進行更新，可以較好地克服光照變化、環(huán)境中存在干擾等對背景模型的影響，具有較強的自適應性。 2)以基于自適應背景模型差分的目標檢測方法為基礎，研究在高速公路背景及攝像機靜止的條件下，快速有效的運動車輛自動檢測方法，并在車輛運動陰影的問題上作了部分研究，提出了一種計算RGB顏色空間的色度模型進行陰影檢測，消除陰影對車輛檢測的

3、影響。 3)提出一種基于自適應特征選擇的運動車輛跟蹤算法。將Boosting算法引入粒子濾波器，構建了自適應粒子濾波器，該方法首先利用背景信息和目標信息建立特征分類器，將分類器的輸出結果作為粒子濾波系統(tǒng)觀測的重要信息，進行粒子權值的計算，并在跟蹤過程中不斷更新特征分類器，從而自適應地更新粒子的權值。該方法可以根據背景信息的不同自適應的選擇特征，對于存在遮擋、形變及背景干擾等情況，依然可以很好地對目標進行穩(wěn)定跟蹤。 4)在

4、事件檢測部分，以跟蹤軌跡為基礎，通過直線擬合的方法，把復雜的車輛跟蹤軌跡曲線簡化為直線組合，以直線差角代替軌跡曲線曲率變化，分析車輛行駛方向的變化情況，對車輛換道、避障、逆行等事件進行判別，并通過車速計算對超速，慢速，停車等事件進行檢測；提出一種基于boosting方法的擁塞檢測算法，通過對檢測原理及交通流的分析，確定了神經網絡結構，為了達到更好的檢測效果，利用boosting方法對神經網絡的集成，然后對交通擁塞進行檢測，最后對隱馬爾可