原文传递
城市交通场景中的背景建模方法研究
| 论文题名： | 城市交通场景中的背景建模方法研究 |
| 关键词： | 城市交通;目标检测;违章识别;改进码本模型;背景建模算法 |
| 摘要： | 城市交通场景的目标检测是智能监控中最广泛的应用之一，目标检测和图像分割的准确率对违章识别、停车检测和车流统计等智能检测模块有着重要的影响。本文对城市交通场景中的目标检测算法进行研究，总结了常见的目标检测算法，主要研究其中的背景建模方法。本文首先总结了经典背景建模方法的基本思想和优缺点，归纳出复杂场景下背景建模面对的主要问题，对移动的物体、光照缓慢变化、“自启动”和前景空洞等七类问题做了详细的分析，同时提出了城市交通场景中背景建模存在的主要问题。基于大量的分析与实验本文提出了基于随机更新的改进码本模型，其更适于城市交通场景的目标检测。本文主要的工作内容包括： （1）分析了经典的背景建模算法，包括平均背景法、混合高斯背景模型、核密度估计背景模型、ViBE算法和码本背景模型。分析了各算法的优缺点和适用场景，同时提出了城市交通场景的特征包括：背景训练中存在大量的运动前景、环境光照发生缓慢变化和前景目标的短暂停留。针对城市交通的特征对背景建模方法提出优化和改进的方案。 （2）本文在经典码本模型的基础上，提出了基于随机更新的改进码本模型，主要的改进包括：在码字中心像素值的实时更新中引入随机策略，以不同的概率随机接受可信度不同的像素值，这样就避免了更新率取值过大引起的误检以及更新率过小可能引起的背景适应性差，使模型的稳定性和容错性更高；根据大量的实验观察和量化分析，得到码字频率的统计性规律，通过多个码字的统计与排序方法筛选最可靠的背景码字，解决了“自启动”情况下的背景建模的问题；结合图像的空间信息辅助背景模型的更新，计算像素点的邻域空间一致性特征，因为路面区域的像素点邻域空间一致性更高，对空间一致性高的区域加速更新就可以提高了背景模型的稳定性，避免了由于车辆目标短暂停止造成的漏检。 （3）对本文提出的算法进行实验和测试，绘制ROC曲线评价算法的性能；同时在标准数据集与城市交通的实际数据集中做了对比实验与分析。 通过实验和分析可以说明，本文提出的基于随机更新的改进码本模型不受模型训练中大量运动前景的影响而可以建立出可靠的背景参考图像，对环境光照的变化有良好的适应性，本算法在城市交通场景中有很好的目标检测效果。 |
| 作者： | 张慧泽 |
| 专业： | 计算机技术 |
| 导师： | 刘志镜;李小勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
