資源描述：
《交通視頻中車輛異常行為檢測及應(yīng)用研究》由會員上傳分享，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、蘇州大學(xué)碩士學(xué)位論文交通視頻中車輛異常行為檢測及應(yīng)用研究姓名：曹妍妍申請學(xué)位級別：碩士專業(yè)：計算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：崔志明201104交通視頻中車輛異常行為檢測及應(yīng)用研究中文摘要隨著社會經(jīng)濟(jì)快速發(fā)展，智能交通系統(tǒng)在人類經(jīng)濟(jì)、社會活動中的地位顯著提升。車輛的異常行為檢測算法作為智能交通系統(tǒng)的核心內(nèi)容，對人們的日常生活，社會進(jìn)步和經(jīng)濟(jì)的發(fā)展起著重要的作用。本文對基于交通視頻的車輛檢測、車輛跟蹤、軌跡模式學(xué)習(xí)及車輛行為的異常檢測技術(shù)進(jìn)行研究，并有針對性地提出了若干算法和技術(shù)方案。本文主要研究工作如下：(1)針對復(fù)雜交通場景下的運(yùn)動車輛檢測問題，利用自適應(yīng)高斯混合模型對背景進(jìn)行
2、建模提取運(yùn)動目標(biāo)。在此基礎(chǔ)上提出多結(jié)構(gòu)多尺度的形態(tài)學(xué)算子，采用此算子對運(yùn)動前景進(jìn)行計算，獲得完整的車輛邊緣信息。保證了后續(xù)研究工作的可靠性。(2)針對傳統(tǒng)光流跟蹤算法中時間開銷大的問題，利用基于圖像金字塔的LK光流跟蹤方法，將視頻中運(yùn)動目標(biāo)不滿足運(yùn)動假設(shè)的可能性降到最小，從而實現(xiàn)對運(yùn)動車輛的快速精準(zhǔn)跟蹤，并且將跟蹤得到的軌跡進(jìn)行預(yù)處理，為后期的軌跡模式學(xué)習(xí)奠定基礎(chǔ)。(3)針對目前運(yùn)動行為模式識別研究依賴空間特征的單一性問題，提出了基于譜聚類的軌跡空間模式的學(xué)習(xí)方法：并且在軌跡的方向特征中，利用GMM模型獲取軌跡集合的起訖點(diǎn)區(qū)域，實現(xiàn)軌跡方向模式的學(xué)習(xí)。(4)提出基于歸一
3、化巴氏距離的車輛異常行為檢測方法，并采用這種方法對車輛位置違章行為進(jìn)行有效檢測，在實時性方面有較好的表現(xiàn)。文中對提出的方法進(jìn)行實驗論證，結(jié)果表明本文提出的技術(shù)方案是行之有效的。關(guān)鍵詞：邊緣檢測，車輛跟蹤，軌跡學(xué)習(xí)，巴氏度量，異常檢測作者：曹妍妍指導(dǎo)老師：崔志明(教授)AbstractResearchonAbnormalVehicleBehaviorDetectionandApplicationinTrafficVideoResearchonAbnormalVehicleBehaviorDetectionandApplication。TramVideoAOplicatio
4、nin1CVideot-tlWiththerapideconomicdevelopment，thesignificantpositionofIntelligentTransportationSystem(ITS)inhumaneconomicandsocialactivitiesisincreasing．AsthecorefunctionofITS，theabnormalvehiclebehaviordetectionalgorithmplaysanimportantroleinpeople’Sdailylife，socialprogressandeconomicdev
5、elopment．Thisthesistriestogetinsightsonsomekeyissuesofabnormalvehiclebehaviorintrafficvideo，includingvehicledetection，vehicletracking，trajectorypattemlearning，andabnormalvehiclebehaviordetection．Itproposessomenewalgorithmsandapplicationmethods．Theresearchissuesareasfollows：(1)Aimingatthe
6、vehicledetectionundercomplextrafficscene，adaptiveGaussianmixturemodelwasusedtoextractthemovingobject．Basedontheabovework，itproposesthemulti·-structuremulti-scalemorphologicaloperatorstoobtainthecompletevehicleedge．Thewelldoneoftheseworkspromotedthecredibilityofthefollowingworks．(2)Tosolv
7、ethetime-comsumingproblemthatthebigtimecostproblemintraditionalopticalflowtrackingalgorithm，thisthesistakeadvantageoftheL—Kopticalflowtrackingmethodbasedonimagepyramid，itcanminimizethepossibilitythatthemovingtargetsinvideodon’tmeetthemovementhypothesis，SOastoachievetherap
