交通視頻監(jiān)控中的車輛檢測與分割方法研究.pdf

1、對交通路況進行監(jiān)控，實時、準(zhǔn)確的獲取各種交通參數(shù)，是實施智能交通管理的前提。視頻監(jiān)控方法通過分析拍攝的交通圖像序列，對交通目標(biāo)進行檢測、識別和跟蹤，并對其行為進行分析和判斷。與其它檢測手段相比，視頻監(jiān)控方式可以同時獲得多種重要路況狀態(tài)信息，有利于實現(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，無論采用什么解決方案，首先必須能夠檢測分割出交通場景中的目標(biāo)。因此，車輛檢測與分割方法的研究，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，主要是場景中存在的陰影，以及車輛間的遮擋粘連。本文針對以上問題進行了研究，取得的主要研究成果和創(chuàng)新點如下： (1)為保證背景差分方法的性能，針對攝像機抖動導(dǎo)致的場景運動，提出一種基于三參數(shù)模型的快速圖像穩(wěn)定方法，對運動的性質(zhì)進行判別和校正。該方法模型參數(shù)少，求解過

3、程快，能很好滿足監(jiān)控應(yīng)用中圖像穩(wěn)定的實際需求。在背景估計方面，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行處理，能夠自適應(yīng)交通場景中背景的多模動態(tài)性，具有較好的魯棒性。 (2)針對夜晚光照不足時，圖像色調(diào)偏紅，對比度不高的情況，將Retinex圖像增強理論與小波分解相結(jié)合，提出一種圖像融合增強算法，實驗表明相對其他幾種典型算法，該算法的性能具有明顯的優(yōu)越性。

4、 (3)研究了陰影檢測問題，針對HSV色彩空間方法誤檢率高的問題，本文在利用HSV色彩信息的同時，增加梯度特征判據(jù)和幾何特征判據(jù)，提出一種改進算法，該方法能有效減少陰影的誤檢率。 (4)針對遮擋粘連問題，從遮擋關(guān)系分解的角度出發(fā)，對一種2.5-D車輛描述模型進行了改進，并與二維凸包分割方法相結(jié)合，給出了一種解決方案，對跟蹤過程中的遮擋問題提出了新的處理策略。 (5)研究了位置違章行為的檢測問題。根據(jù)車輛的2.5-D描