详情

原文传递违章停车取证关键技术研究

论文题名：	违章停车取证关键技术研究
关键词：	违章停车;视频监控;取证方式;自适应子分类;目标识别;特征提取;交通监管
摘要：	近些年来,随着经济的高速发展,各类车辆的数量呈现出爆炸性增长的态势。根据统计数据显示:到2012年底,上海市有超过140万私家车,而注册机动车的数量达到了近300万。而2013年预计的私家车保有量将继续增加15％。由于车辆数目增长迅猛,每天的早高峰和晚高峰,上海市内的主要道路都会出现一定程度的拥堵现象。在这种情况下,违章停车严重影响了道路畅通和人民群众的生命财产安全。为此,交管部门投入了大量人力物力对违章停车行为进行监管。各大公司、高校、研究所也开展了大量的相关研究。　　针对车辆违章的自动监管系统,已经问世很多年,但是传统的车辆违章取证方式,主要基于地感线圈触发,通常监管范围不大,并且对车辆行为的判断不够准确。同时,埋设和维护地感线圈十分麻烦,需要一定的人力物力。传统的自动监管系统很难满足违章停车监管的需求。为此,近几年来,人们开始尝试使用图像分析的方式,对道路交通进行监管。由于基于视频目标识别和跟踪的方法,可以准确的判定车辆的行为,逐步成为各大公司研发交通监管类产品、应对交通监管各种需求的主要手段之一。　　在实际应用中,基于视频处理的方法面临着两大类困难。一是监控场景错综复杂,不同的相机、不同的气候和季节、不同的道路环境等等均会使得观测到的监控视频场景大不相同,如何提高算法的准确性和普适性是一个很大的难题。二是现在的视频监控往往采用高清相机对大范围路段进行监管,数据量非常大,对算法的实时性提出了较大的挑战,需要有效的降低算法时间复杂度,提高算法运行速度,才能满足现实的需求。　　本文从以上两大类困难出发,对车辆识别和跟踪算法深入的研究。　　针对车辆识别算法,本文首先通过使用自动采集训练数据的方法,获得了大量的不同环境下车辆图片。本文提出了使用两级级联和自适应子分类的方法,提高运行速度和对于多变的场景的适应性。通过事先标定的方式,解决车辆多尺度检测的问题,大大提高了运行速度。最后通过对视频中前景和背景区域的分别处理,进一步提高了运行速度。　　针对车辆跟踪算法,本文从实时性较好的Mean Shift算法出发,通过使用事先标定的方式,解决跟踪窗口尺度变换的问题,减少了重新计算跟踪窗口大小需要耗费的运算量。同时,本文在特征向量上通过增加一个区分前背景的维度,提升了用于跟踪的图像特征与背景的区分度,使其在图像背景和车辆相似时,也能达到较好的跟踪效果。
作者：	郑耀
专业：	信息与通信工程
导师：	方向忠
授予学位：	硕士
授予学位单位：	上海交通大学
学位年度：	2014
正文语种：	中文