智能监控系统中道路违章行为的识别分析方法

论文摘要

随着科学和信息技术的发展,世界各国拥有车辆的数目急剧增加,人们对安全意识的需求逐渐提高,视频监控技术在人们的生活等各方面起着越来越重要的作用,它为社会的和谐做出了重要的贡献。智能视频监控系统广泛应用在军事,交通,银行,安防等各个领域,其中,在道路交通方面,重视交通安全意识是我国的迫切需要,智能监控系统中交通领域的相关技术是目前正在研究和广泛关注的课题。本文对智能监控系统中的道路违章行为进行了探索,重点研究了道路中的车辆逆行、车辆跨道行驶、违禁区停车三种违章行为,从运动车辆的检测、识别、跟踪和行为分析等方面展开了分析。在运动目标检测方面,分析比较了背景差分法和帧间差分法两种检测方法,并采用自适应背景建模的背景差分方法作为运动目标的检测方法。在车辆识别方面,利用连通域检测方法获取运动目标的轮廓,根据监控场景中车辆和行人、摩托车、自行车等目标在形状上的差异,对车辆进行识别,并给出车辆的大小、形心参数信息。在车辆跟踪方面,本文介绍了几种常用的跟踪方法,并采用卡尔曼滤波的方法,提出相似度函数的匹配算法对车辆进行跟踪,给出车辆的轨迹信息。在行为分析方面,通过对运动车辆的轨迹进行分析,对车辆逆行、车辆跨道、违禁区停车三种道路违章行为分别提出了具体的违章识别算法。最后,在VC++6.0环境下,结合OpenCV函数库对道路违章监控系统进行了软件实现。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题意义和背景
• 1.2 国内外研究现状
• 1.3 本文的工作安排
• 1.3.1 本文的主要工作
• 1.3.2 本文的章节安排
• 第2章 图像预处理
• 2.1 图像去噪的过程
• 2.2 图像二值化
• 2.3 数学形态学滤波
• 2.3.1 膨胀和腐蚀
• 2.3.2 开运算和闭运算
• 2.3.3 数学形态学滤波的应用
• 2.4 本章小结
• 第3章 车辆前景检测
• 3.1 运动车辆检测的常用算法
• 3.1.1 帧间差分法
• 3.1.2 背景差分法
• 3.2 利用背景建模检测车辆
• 3.3 两种方法的对比实验
• 3.4 本章小结
• 第4章 目标识别
• 4.1 连通域检测
• 4.2 特征提取方法
• 4.2.1 外接矩形和形心特征
• 4.2.2 区域面积与外接矩形的占空比
• 4.3 本文使用的运动车辆的识别方法
• 4.4 运动车辆识别程序及结果分析
• 4.5 本章小结
• 第5章 车辆跟踪
• 5.1 视频跟踪技术简介
• 5.2 几种跟踪技术方法
• 5.3 卡尔曼滤波法
• 5.4 车辆形心特征与kalman结合的跟踪方法
• 5.4.1 相似度目标匹配
• 5.4.2 实验程序及结果分析
• 5.5 本章小结
• 第6章 道路违章
• 6.1 车辆逆行
• 6.2 车辆跨道违章行驶
• 6.3 违禁区停车
• 6.4 本章小结
• 第7章 道路违章监控软件实现
• 7.1 OpenCV简介
• 7.2 软件设计
• 7.3 软件界面实现
• 7.4 本章小结
• 总结与展望
• 参考文献
• 致谢
• 研究生履历