基于背景建模的車輛檢測算法研究.pdf

1、隨著全球城市化進程的進一步加快，以及機動車保有量的逐年增加，解決由交通擁堵所帶來的安全隱患和經(jīng)濟損失等問題成為了各大城市交通規(guī)劃管理的當(dāng)務(wù)之急，而僅僅依靠人力已經(jīng)越來越難以對目前龐大的交通網(wǎng)絡(luò)進行管理。智能交通系統(tǒng)能充分利用現(xiàn)有道路設(shè)施資源，通過對實時路況信息的分析實現(xiàn)對車輛、行人、道路的智能規(guī)劃，是世界各地正在廣泛關(guān)注和研究的課題。而車輛檢測技術(shù)，則是智能交通系統(tǒng)中獲取路面交通信息的重要的一環(huán)。
　　本文主要研究針對道路監(jiān)控視頻

2、等場景的運動車輛檢測問題，通過建立背景模型，獲得視頻幀中運動目標掩膜，再通過對車輛目標建立判別模型，識別車輛目標并對其進行捕捉。主要內(nèi)容包括：⑴提出了一種基于分裂混合高斯模型的背景建模算法。該算法通過建立多層運動信息抽取機制，在多頻段層面上分別建立分裂混合高斯模型，高層的模型組在低層的低頻建模結(jié)果中添加高頻信息，并由此提供正確的模型組更新反饋，逐層豐富運動目標。計算所得的運動目標檢測結(jié)果顯示，該算法可以消除大量擾動噪聲，并解決了運動目標

3、的空洞問題。⑵提出了一種改進相關(guān)差異化HOG特征(Improved Relative DiscriminativeHistogram of Oriented Gradient，IRDHOG).該特征通過解析HOG特征中中央?yún)^(qū)塊(central block)與周鄰區(qū)塊(surrounding block)之間的聯(lián)系與相關(guān)信息，在HOG的特征向量中串聯(lián)了二者的相關(guān)信息RD-bins。并且通過統(tǒng)計感興趣目標（車輛）與非感興趣目標在方向區(qū)間中的