【正文】 紙 13 車輛前景處理 車輛前景處理是對運(yùn)動(dòng) 前景的優(yōu)化，去除行人、樹枝等噪聲，從而加快處理速度并使之后的處理更加精確。為后期車輛行為識別算法的設(shè)計(jì)提供了參照，有利于后期算法的選擇和優(yōu)化。 基于模式識別的算法是一種比較算法，直接利用測量值與設(shè)定閾值的比較來判斷最終的交通流情況，當(dāng)某參數(shù)值超出設(shè)定閾值，則判定某種對應(yīng)現(xiàn)象的發(fā)生。為了保證閾值的有效性，一種比較有效的方法就是對典型模型進(jìn)行模式學(xué)習(xí)。 Atev等學(xué)者將譜聚類的方法引入目標(biāo)軌跡運(yùn)動(dòng)模式學(xué)習(xí)中 [27]，由于采用了多特征屬性描述軌跡，使得運(yùn)算復(fù)雜度較高。單一的擬合曲線并不能代表整段的特點(diǎn)，為了能夠獲得較好的典型軌跡，可以對軌跡樣本進(jìn)行分段擬合，最后再加以合并，就能得到整段軌跡的典型軌跡，且能最大程度的消除誤差。 軌跡聚類 在車輛檢測成功的基礎(chǔ)上，對個(gè)體車輛行為的識別主要是通過對其軌跡的分析完成的。但是當(dāng)大量的車輛和行人出現(xiàn)在檢測區(qū)域時(shí)，跟蹤算法將會消耗更多的計(jì)算機(jī)資源，從而導(dǎo)致系統(tǒng)崩潰。從本章的論述中可以清晰了解到各種方法的適用條件，這給后期在車輛檢測的方法選擇上提供一個(gè)參考的依據(jù)。 計(jì)算公式如下： 同 一起構(gòu)成一個(gè)高斯模型，通過該模型可以判斷某像素屬于它的概率，并制定出合適的閾值。 基于混合 高斯算法 的背景建模 基于混合 高斯算法 的背景 建模 是基于統(tǒng)計(jì)模型的一種背景提取方法。自適應(yīng)背景更新法 [13]能有效避免這方面的問題，可以說它是對上述兩種方法的優(yōu)化。背景差分法運(yùn)算簡單且速度快，其局限是 只 適用于靜止?fàn)顟B(tài)的攝像機(jī)所獲得的視頻信息。這種方法能有效解決陰影粘滯問題，并且 檢測結(jié)果比較精確 。 光流法不需要預(yù)知場景的信息就能獨(dú)立檢測出運(yùn)動(dòng)物體的信息，故而不受環(huán)境的制約，適應(yīng)性很強(qiáng)。 而在車輛異常行為分析方面，成果 雖 不如車輛跟蹤那么豐碩，但也展現(xiàn)了蓬勃的生命力：北京交通大學(xué)通過車輛軌跡聚類分析對車輛異常行為進(jìn)行了檢測分析；中山大學(xué)智能研究中心對基于視頻的車輛軌跡模型的交通事件自動(dòng)監(jiān)測方法進(jìn)行了研究并制定了合理的檢測算法[6]；浙江工業(yè) 大學(xué)對基于全景視覺的車輛異常行為檢測技術(shù)進(jìn)行了研究 [7]，對闖紅燈等行為進(jìn)行檢測試驗(yàn) [8]，并取得了一定的實(shí)驗(yàn)成果。加上智能交通系統(tǒng) （ ITS） 的誕生，使得交通管理愈加趨向自動(dòng)化、智能化。 并且即使有 交通異常發(fā)生，也能快速 地 自動(dòng)檢測， 使管理人員能 及時(shí)采取措施， 解決問題從而避免更大范圍的人員及財(cái)產(chǎn)損失 。智能交通 管理 系統(tǒng)（ Intelligent Transport System ， ITS）應(yīng)運(yùn)而生，它 是一種新型有效的交通管理方式 。 background modeling 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 iii 目 錄 摘 要 ............................................................................................................................................. i Abstract .........................................................................................................................................ii 目 錄 ............................................................................................................................................ iii 第一章 緒論 ........................................................................................................................... 1 研究背景及意義 ...................................................................................................... 1 研究背景 ....................................................................................................... 1 研究意義 ....................................................................................................... 2 國內(nèi)外研究現(xiàn)狀 ...................................................................................................... 2 本文主要研究工作 .................................................................................................. 3 章節(jié)安排 .................................................................................................................. 3 第二章 車輛檢測技術(shù) ........................................................................................................... 4 常用方法分類 .......................................................................................................... 4 常見背景差分法 ...................................................................................................... 5 基于均值法和中值法的背景提取 ............................................................... 5 自適應(yīng)背景更新的背景提取 ....................................................................... 5 基于混合高斯算法的背景建模 ................................................................... 6 本章小結(jié) .................................................................................................................. 7 第三章 行為識別技術(shù) ........................................................................................................... 8 個(gè)體車輛行為識別 .................................................................................................. 8 軌跡聚類 ....................................................................................................... 9 模型建立 ....................................................................................................... 9 模型匹配 ..................................................................................................... 10 其他方法 ——基于實(shí)際場景信息的異常檢測 ......................................... 10 交通流異常檢測 .................................................................................................... 10 本章小結(jié) ................................................................................................................ 11 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 iv 第四章 基于視頻分析的車輛跟蹤與行為識別算法設(shè)計(jì) ................................................. 12 運(yùn)動(dòng)前景提取 ........................................................................................................ 12 均值法背景建模 ......................................................................................... 12 背景差法提取前景 ..................................................................................... 12 車輛前景處理 ........................................................................................................ 13 樹枝噪聲濾除 ............................................................................................. 13 車輛分體現(xiàn)象處理 ..................................................................................... 13 行人噪聲 干擾處理 ..................................................................................... 15 車輛行為識別 ........................................................................................................ 16 提取 “感興趣區(qū)域 ” ................................................................................... 16 利用 “感興趣區(qū)域 ”識別 ........................................................................... 17 算法優(yōu)化 ..................................................................................................... 17 本章小結(jié) ................................................................................................................ 18 第五章 壓雙黃線行為識別實(shí)驗(yàn) ......................................................................................... 19 實(shí)驗(yàn)設(shè)計(jì) .......................................................................................................