交通監(jiān)控視頻中的車輛異常行為檢測

《交通監(jiān)控視頻中的車輛異常行為檢測》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、．？？’－、ｌ巧＾＇＇．．．Ｉ，、．．、＂、乂＾：Ｋ．，‘＇Ｖ；１０２９３：．單位代碼密級(jí)￣沸雀爹碩女＃後訟乂ＡｔＪ４ｉＴ￥ｗ論文題目：巧通監(jiān)控視頻中的車輛異常行為檢測．公？－．、—．．．‘．ｉ．：化學(xué)號(hào)１０１２０１０６２７＇＇■■■－塞耀■：．姓名：：－－宋建新教授導(dǎo)師信號(hào)與信息處理學(xué)科專業(yè)圖像處理與多媒體通信研究方向工學(xué)石申請(qǐng)學(xué)位類別肚二一五年忘月－＇？論文提交曰期零’－：．－

2、－．１，，’－＾一＇：：續(xù)較扣■，技？‘．、，．巧二深令，■？－．Ｉ、．占、南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過。的研巧成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一與我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。一本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)巧相關(guān)的法律責(zé)任。研究生

3、簽名：龍復(fù)日期：Ｔｏｉ．ｒ．／．幕／ｆ南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可レッ保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文可檔；允許論文被查閱和借閱；可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索；Ｗ采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)一論文的內(nèi)容相致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授極書。＇研巧生簽名：＾導(dǎo)師簽名；麥期；VehicleAbnormalBehaviorDetectionUsing

4、TrafficSurveillanceVideoThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringBySongYaoSupervisor:Prof.SongJianxinJune2015摘要近年來，我國經(jīng)濟(jì)快速迅速，機(jī)動(dòng)車保有量迅速攀升。汽車給我們帶來了許多便利，但隨之頻發(fā)的道路交通事故卻對(duì)人民的生命財(cái)產(chǎn)安全造成了巨大的威脅。當(dāng)前對(duì)交通監(jiān)控視頻的主要用途是在發(fā)生事故后進(jìn)行事件回顧，并且很大程度上要依賴人工檢

5、索來定位，這樣只能做到交通事故的事后查看，不能提前預(yù)防。為了進(jìn)一步規(guī)范車輛行駛，緩解交通擁堵，減少交通事故，交通監(jiān)控視頻中的車輛異常行為檢測成為了目前智能交通領(lǐng)域研究的重點(diǎn)與難點(diǎn)，這將為人們的日常生活、社會(huì)的安定與和諧帶來重要保障。本文對(duì)交通監(jiān)控視頻中的車輛檢測、車輛跟蹤、車輛行駛軌跡提取及車輛行為的異常檢測技術(shù)進(jìn)行了研究，之后對(duì)其中的研究難點(diǎn)提出了若干算法改進(jìn)與解決方案。主要工作如下：為了對(duì)車輛目標(biāo)進(jìn)行跟蹤，并進(jìn)一步提取車輛軌跡，分析行駛行為，首先要做到從視頻監(jiān)控?cái)?shù)據(jù)中檢測車輛目標(biāo)。本文在分析、對(duì)比現(xiàn)有運(yùn)動(dòng)目標(biāo)檢測算法后，針對(duì)交通監(jiān)控視頻的特

6、點(diǎn)提出了一種閾值自適應(yīng)的Surendra背景差分改進(jìn)算法，并將其與三幀差法結(jié)合，進(jìn)行運(yùn)動(dòng)車輛的檢測。最后通過實(shí)驗(yàn)結(jié)果表明，該改進(jìn)算法能夠結(jié)合背景差分法與幀差法的優(yōu)點(diǎn)，抗環(huán)境干擾能力強(qiáng)，并且兼顧交通監(jiān)控系統(tǒng)實(shí)時(shí)性與穩(wěn)定性的要求，還原了車輛的真實(shí)目標(biāo)區(qū)域，為車輛跟蹤環(huán)節(jié)提供了車輛區(qū)域目標(biāo)信息?，F(xiàn)有CamShift算法能夠?qū)崿F(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的跟蹤，但存在需要手動(dòng)選取跟蹤區(qū)域與抗遮擋能力較差等問題。為了解決上述問題，實(shí)現(xiàn)跟蹤效果的優(yōu)化，本文將運(yùn)動(dòng)車輛檢測結(jié)果輸入CamShift算法初始步驟，并引入Kalman濾波器預(yù)測車輛的運(yùn)動(dòng)狀態(tài)，提出基于Kalma

7、n濾波預(yù)測的CamShift車輛跟蹤算法，縮小了下一幀中目標(biāo)車輛的搜索范圍，減小了CamShift算法的計(jì)算復(fù)雜度，并且分析了車輛因遮擋帶來的跟蹤失效問題，使用Kalman濾波器的預(yù)測值代替CamShift算法計(jì)算的目標(biāo)位置，作為觀測值去更新Kalman濾波器。實(shí)驗(yàn)證明，該改進(jìn)算法能夠有效抵抗由于目標(biāo)遮擋而導(dǎo)致的跟蹤失敗。并且由于初始化搜索目標(biāo)時(shí)使用了第三章車輛檢測得出的結(jié)果，實(shí)現(xiàn)了運(yùn)動(dòng)車輛的自動(dòng)跟蹤。通過對(duì)車輛進(jìn)行實(shí)時(shí)跟蹤，可由目標(biāo)外接矩形框獲得車輛運(yùn)動(dòng)中心坐標(biāo)。之后通過曲線擬合獲取車輛運(yùn)動(dòng)軌跡。本文對(duì)軌跡數(shù)據(jù)進(jìn)行了深入分析，提出了幾種車輛運(yùn)

8、動(dòng)行為的判別標(biāo)準(zhǔn)，包括車輛運(yùn)動(dòng)方向識(shí)別與車輛變道、調(diào)頭、逆行等情況的判斷。通過實(shí)驗(yàn)數(shù)據(jù)可以說明本章提出的判別方法能夠廣泛應(yīng)用于車輛的違章識(shí)別，并且算法