交通視頻監(jiān)控中的車輛檢測(cè)與分割方法研究.pdf

1、對(duì)交通路況進(jìn)行監(jiān)控，實(shí)時(shí)、準(zhǔn)確的獲取各種交通參數(shù)，是實(shí)施智能交通管理的前提。視頻監(jiān)控方法通過(guò)分析拍攝的交通圖像序列，對(duì)交通目標(biāo)進(jìn)行檢測(cè)、識(shí)別和跟蹤，并對(duì)其行為進(jìn)行分析和判斷。與其它檢測(cè)手段相比，視頻監(jiān)控方式可以同時(shí)獲得多種重要路況狀態(tài)信息，有利于實(shí)現(xiàn)交通管理的智能化，具有很大的發(fā)展?jié)摿Α?在智能交通視頻監(jiān)控中，無(wú)論采用什么解決方案，首先必須能夠檢測(cè)分割出交通場(chǎng)景中的目標(biāo)。因此，車輛檢測(cè)與分割方法的研究，在交通視頻監(jiān)控系統(tǒng)中具有重

2、要的意義。 車輛的檢測(cè)一般采用背景差分方法，該方法的性能受到視頻圖像穩(wěn)定性和背景估計(jì)魯棒性的影響，需要有快速有效的圖像預(yù)處理方法、背景建模方法。車輛分割的難點(diǎn)，主要是場(chǎng)景中存在的陰影，以及車輛間的遮擋粘連。本文針對(duì)以上問(wèn)題進(jìn)行了研究，取得的主要研究成果和創(chuàng)新點(diǎn)如下： (1)為保證背景差分方法的性能，針對(duì)攝像機(jī)抖動(dòng)導(dǎo)致的場(chǎng)景運(yùn)動(dòng)，提出一種基于三參數(shù)模型的快速圖像穩(wěn)定方法，對(duì)運(yùn)動(dòng)的性質(zhì)進(jìn)行判別和校正。該方法模型參數(shù)少，求解過(guò)

3、程快，能很好滿足監(jiān)控應(yīng)用中圖像穩(wěn)定的實(shí)際需求。在背景估計(jì)方面，提出局域灰度分布的概念，基于該特征提出一種混合多模態(tài)背景模型，該模型既可以在象素粒度上，也可以在圖像塊粒度上進(jìn)行處理，能夠自適應(yīng)交通場(chǎng)景中背景的多模動(dòng)態(tài)性，具有較好的魯棒性。 (2)針對(duì)夜晚光照不足時(shí)，圖像色調(diào)偏紅，對(duì)比度不高的情況，將Retinex圖像增強(qiáng)理論與小波分解相結(jié)合，提出一種圖像融合增強(qiáng)算法，實(shí)驗(yàn)表明相對(duì)其他幾種典型算法，該算法的性能具有明顯的優(yōu)越性。

4、 (3)研究了陰影檢測(cè)問(wèn)題，針對(duì)HSV色彩空間方法誤檢率高的問(wèn)題，本文在利用HSV色彩信息的同時(shí)，增加梯度特征判據(jù)和幾何特征判據(jù)，提出一種改進(jìn)算法，該方法能有效減少陰影的誤檢率。 (4)針對(duì)遮擋粘連問(wèn)題，從遮擋關(guān)系分解的角度出發(fā)，對(duì)一種2.5-D車輛描述模型進(jìn)行了改進(jìn)，并與二維凸包分割方法相結(jié)合，給出了一種解決方案，對(duì)跟蹤過(guò)程中的遮擋問(wèn)題提出了新的處理策略。 (5)研究了位置違章行為的檢測(cè)問(wèn)題。根據(jù)車輛的2.5-D描