论文部分内容阅读
随着国民经济的快速发展,国内汽车拥有量与日俱增,也引发了越来越多地交通事故和道路拥堵,造成了巨大的人员伤亡和经济损失。实践证明,采用交通事件检测系统对交通事件进行快速准确的检测,就能够预防或减少交通事故带来的损失,及时进行交通事故救援,有效减少由于交通事故产生的交通堵塞。另一方面,交通管理部门建设了大量视频监控系统,视频资源很丰富。因此,将计算机视觉技术应用在智能交通领域,实现视频交通事件检测有非常迫切而重要的现实意义。现有事件检测系统存在响应时间较长、抗噪声差、准确度较低的不足。
本文针对运动车辆检测、车辆识别、车辆跟踪和交通事件建模等关键问题进行了相关的理论研究,并将研究结果应用到事件检测的工程测试系统中。本文研究成果速度比较快,抗噪能力强,适用于交通事件检测的实际要求,该研究成果还可以应用到视频测速、视频闯红灯、视频违法变线等工程领域。
本文的创新点主要体现在：
1)针对差分法中相邻帧差可能存在目标重叠,重叠部分形成较大空洞,严重时造成分割结果不连通,不利于进一步的识别与跟踪的缺点,提出了一种自适应阈值混合差分的方法,由相邻帧差分改进成多帧混合差分,同时采用自适应阈值的方法判断前景,大大增强了车辆检测的抗噪能力。
2)在车辆识别上,本文设计的车辆识别规则把一些相邻同类的车辆斑块进行合并,有效的解决了车辆分段以及检测不完整等现象,提高了车辆识别的准确率。
3)车辆跟踪是交通事件检测的关键环节。针对粒子滤波算法中容易出现计算量大、粒子退化和粒子数待定等问题,本文设计了一种动态粒子数策略,可以根据干扰信息的程度自动确定粒子数目,比常用的固定粒子数方法大大减少了计算量。同时又通过退火选择对粒子进行更新采样,有效地解决了粒子退化的问题。多组视频跟踪对比效果显示,该方法比现有粒子滤波、Meanshift和卡尔曼滤波三种跟踪算法更高效。
4)在本文提出的跟踪算法基础上,通过对运动车辆的数学建模,分析车辆速度、车辆位置和方向等参数,对停车、变道、逆向行使等交通事件进行了自动检测。结果表明：本文提出的检测方法比其他常用方法响应速度更快,且具有较高的准确率和鲁棒性。