基于统计方法的交通事件检测

论文摘要

随着高速公路的快速发展,智能交通系统逐渐成为国内外研究的热点。作为智能交通的核心组成部分,交通事件检测关键技术的研究影响到整个交通管理系统的性能。本文从视频信号中选取序列图像进行统计建模,建立了一套事件检测的统计模型,主要工作内容如下：1.提出了一种自适应背景的初始化与更新模型,该模型能够从含有干扰信息(如大量的运动目标、外界环境变化等)的序列图像中提取出背景图像,并且能够自适应地进行背景更新。此模型能够很好的克服光照变化、昼夜交替、天气转化等外界环境的干扰,具有较强的自适应能力。2.以自适应背景更新模型为基础,研究高速公路运动目标检测方法。由于场景的干扰,本文分两步对运动目标进行提取：基于背景差分的目标粗提取和目标精确提取。3.建立了一种基于自适应误差累积的事件检测模型。该模型提出了前背景和后背景的提取与更新策略,以及基于该模型的静止目标提取方法。同时对事件检测中各关键参数的选取规则进行了研究与实验分析。4.对检测出的事件进一步分析,提出了几种对事故进行验证的方法,同时对事故进行了分类,便于交通事故的管理,最后提出了交通参数提取的方法。试验结果表明,本文所建立的模型可以在外界环境变化较为剧烈的情况下有效地检测出交通事故,并且能够对事故进行分类,例如停车、抛洒物、行人、交通堵塞等。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 主要工作及内容安排
• 1.3.1 论文的主要工作
• 1.3.2 论文组织结构
• 1.4 小结
• 第2章 相关理论基础
• 2.1 图像的数学模型
• 2.1.1 图像滤波
• 2.1.2 图像直方图
• 2.2 图像分析的统计模型
• 2.2.1 马尔科夫随机场模型
• 2.2.2 贝叶斯图像分析
• 2.3 小结
• 第3章 基于自适应背景模型的运动目标检测
• 3.1 背景建模
• 3.1.1 多帧平均值
• 3.1.2 统计直方图
• 3.1.3 统计中值法
• 3.1.4 非参数估计
• 3.1.5 常用的背景提取算法分析比较
• 3.2 运动目标检测
• 3.2.1 基于置信度的背景提取方法
• 3.2.2 算法流程
• 3.3 运动目标粗分割
• 3.3.1 背景更新策略
• 3.3.2 运动目标分割提取
• 3.4 目标的精确提取
• 3.4.1 滤波去噪
• 3.4.2 形态学后处理
• 3.5 小结
• 第4章 基于自适应误差累积的交通事件检测
• 4.1 自适应误差累积模型
• 4.1.1 实时的后背景提取方法
• 4.1.2 记忆的前后背景提取方法
• 4.1.3 阈值的自适应选取与更新
• 4.2 相关参数选取研究
• 4.2.1 初始化背景图片选取张数N
• 4.2.2 背景更新率α
• 4.2.3 序列图片选取间隔setk
• 4.2.4 累积误差间隔k
• 4.3 可疑目标检测
• 4.3.1 基于背景帧差法的运动目标提取
• 4.3.2 累积误差差分法提取静止目标
• 4.3.3 事故车辆提取
• 4.4 基于形态与区域特征的事故提取与验证
• 4.4.1 检测区域的自适应提取
• 4.4.2 摄像机抖动检测与消除
• 4.4.3 基于区域特征的事故验证
• 4.4.4 基于回溯跟踪的事故验证
• 4.5 交通参数提取
• 4.5.1 车流量统计
• 4.5.2 车速检测
• 4.6 实验结果
• 4.7 小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间参加的项目及发表文章