基于時(shí)空馬爾可夫隨機(jī)場(chǎng)的城市交通事件檢測(cè)研究.pdf

1、目前很多基于視頻圖像的交通事件檢測(cè)軟件大都都是針對(duì)高速公路而開發(fā)，而針對(duì)城市道路的交通事件檢測(cè)系統(tǒng)很少，如果采用針對(duì)高速公路開發(fā)的交通事件檢測(cè)軟件運(yùn)用在城市道路上，特別是交叉口處，將得不到理想的結(jié)果。論文在目前城市道路的交通事件檢測(cè)軟件比較薄弱的基礎(chǔ)上，研究并設(shè)計(jì)一套適合于城市道路交通事件檢測(cè)系統(tǒng)。
　　視頻圖像是一種動(dòng)態(tài)的圖像，其背景和前景都隨時(shí)變化，導(dǎo)致遮擋現(xiàn)象的存在。在這種情況下，采用一般的分割方法會(huì)比較困難，為了能準(zhǔn)確得到

2、分割圖像，論文首先引入時(shí)空馬爾可夫隨機(jī)場(chǎng)（以下簡稱ST-MRF）的概念，在充分研究馬爾可夫原理的基礎(chǔ)上，分別建立標(biāo)號(hào)場(chǎng)和觀察場(chǎng)的能量函數(shù)模型，并分別介紹其參數(shù)估計(jì)方法，然后根據(jù)貝葉斯準(zhǔn)則，利用標(biāo)號(hào)場(chǎng)和觀察場(chǎng)之間的相互關(guān)系，即標(biāo)號(hào)場(chǎng)的先驗(yàn)概率和觀察場(chǎng)的似然概率之間的關(guān)系，獲得標(biāo)號(hào)場(chǎng)的最大后驗(yàn)概率(簡稱MAP)的估計(jì)參數(shù)，利用迭代條件模型(ICM)算法和模擬退火(Metropolis)算法（其目的是求最小能量函數(shù)值）實(shí)現(xiàn)最大后驗(yàn)概率(MAP

3、)估算問題達(dá)到對(duì)運(yùn)動(dòng)目標(biāo)的提取，從而完成分割過程。
　　然后，在圖像分割的基礎(chǔ)上，引入車輛跟蹤的概念。并提出了一種基于ST-MRF模型的自適應(yīng)車輛跟蹤算法，在ST-MRF模型中，把視頻圖像分成若干像素塊，且每個(gè)塊由8×8個(gè)像素組成，每個(gè)塊都有其典型的運(yùn)動(dòng)矢量，塊之間的聯(lián)系通過這些典型的運(yùn)動(dòng)矢量聯(lián)系，建立運(yùn)動(dòng)序列圖像的ST-MRF模型，并且構(gòu)造其相應(yīng)的能量耗費(fèi)函數(shù)，然后利用松弛算法實(shí)現(xiàn)目標(biāo)地圖最小化能量計(jì)算，獲得目標(biāo)地圖和運(yùn)動(dòng)矢量地

4、圖，但是在車輛跟蹤中車輛長時(shí)間遮擋是普遍存在的問題，它將直接影響著跟蹤的精度，因此遮擋是車輛跟蹤研究中的關(guān)鍵問題。針對(duì)這一難題，在車輛跟蹤算法的基本原理介紹的基礎(chǔ)上提出了一種基于反向ST-MRF模型的車輛遮擋分割算法。該算法通過反向沿時(shí)間軸運(yùn)用ST-MRF累積圖像，運(yùn)用能量函數(shù)對(duì)運(yùn)動(dòng)矢量進(jìn)行最優(yōu)化處理和融合不完整的分割部分，從而對(duì)車輛遮擋進(jìn)行了比較完美的分割。最后從跟蹤結(jié)果—目標(biāo)地圖和運(yùn)動(dòng)矢量地圖上獲得車輛數(shù)、速度、加速度、行車軌跡以及

5、車輛的運(yùn)動(dòng)坐標(biāo)等交通參數(shù)，并通過對(duì)交通流參數(shù)的分析，得到實(shí)時(shí)的交通流運(yùn)行特征，為下一章的交通事件檢測(cè)提供依據(jù)。
　　為了將車輛跟蹤技術(shù)和處理遮擋技術(shù)運(yùn)用在交通事件檢測(cè)上，論文引入了一種新的事件檢測(cè)算法，該算法結(jié)合視頻采集交通流數(shù)據(jù)與檢測(cè)器采集的交通流數(shù)據(jù)一起，采用語義層次算法對(duì)交通事件進(jìn)行檢測(cè)。語義層次模型結(jié)合交通事件檢測(cè)指標(biāo)提出坐標(biāo)類層、行為類層和事件類層三層語義結(jié)構(gòu)算法，并對(duì)路段上的碰撞、追尾、超速、車輛拋錨和魯莽駕駛等交通事

6、件進(jìn)行檢測(cè)，其中坐標(biāo)類層運(yùn)算符估計(jì)每一輛車在每個(gè)圖像幀的坐標(biāo)信息，坐標(biāo)信息是通過操作車輛跟蹤結(jié)果—目標(biāo)地圖和運(yùn)動(dòng)矢量地圖而獲得的;行為類運(yùn)算符確定車輛的行為，即對(duì)來自坐標(biāo)類運(yùn)算符的每一輛車的時(shí)空軌跡進(jìn)行分類;從這些車輛的行為中，事件類運(yùn)算符確定事件的發(fā)生，當(dāng)?shù)缆飞辖煌ū容^擁擠，車輛遮擋嚴(yán)重情況下很難觀察到交通事故，所以為了提高事件檢測(cè)率，視頻圖像中的行為類數(shù)據(jù)結(jié)合安裝在道路下游的檢測(cè)器獲得的流量類數(shù)據(jù)一起判斷事件發(fā)生。通過研究得出:基于

7、視頻與檢測(cè)器數(shù)據(jù)組成的語義層次算法能在交通量比較擁擠且車輛出現(xiàn)相互遮擋的情況下，能準(zhǔn)確判斷交通事件發(fā)生，對(duì)緩解交通擁擠和減少交通事故有重要的意義。
　　為了與上述城市路段事件檢測(cè)銜接，保持整個(gè)城市事件檢測(cè)的連貫性，文章最后對(duì)城市交叉口的事件進(jìn)行檢測(cè)。由于車輛在交叉口處行駛比較自由，不受方向限制，多個(gè)方向行駛的車輛將會(huì)在交叉口處發(fā)生沖突，導(dǎo)致交通事件的發(fā)生。在交叉口交通事件處理期間，救護(hù)車和警察將占據(jù)道路時(shí)間比較長，這些原因使得交叉

8、口交通事件檢測(cè)難度增加。論文以淮安市淮海南路與解放路交叉口為例，根據(jù)車輛運(yùn)行與相位配時(shí)，總結(jié)在該四相位控制的交叉口具有沖突的兩輛車的相對(duì)運(yùn)動(dòng)情況，在車輛跟蹤的基礎(chǔ)上對(duì)具有沖突的車輛進(jìn)行運(yùn)動(dòng)矢量量化，采用隱馬爾可夫模型（簡稱HMM）對(duì)該交叉口的交通沖突進(jìn)行分類，并通過實(shí)驗(yàn)驗(yàn)證該算法能對(duì)正常交通下的車輛運(yùn)行狀態(tài)進(jìn)行沖突分類。通過沖突的檢測(cè)可以提前預(yù)防發(fā)生在交叉口處的交通事故（如碰撞、追尾、突然停車等）和危險(xiǎn)狀態(tài)。也能對(duì)正常交通下的車輛運(yùn)行狀