原文传递
基于机器视觉的交通异常事件检测算法研究
| 论文题名： | 基于机器视觉的交通异常事件检测算法研究 |
| 关键词： | 交通事故检测;机器视觉;全局交通流;运动方向图;高斯模型 |
| 摘要： | 交通事故检测是智能交通系统中最重要的部分之一，实时且鲁棒的交通事故检测方法可以在减少人员伤亡和减少财产损失上做出巨大贡献。随着智能交通系统的快速发展，基于计算机视觉技术和图像处理技术的交通事故检测系统的研究吸引了广泛的注意力，许多研究者在这个领域中也取得了重大进展。然而，由于交通环境的复杂性，目前提出的一些方法在实际应用中仍然存在一定的限制。 为了保证对交通事故快速和精确地检测，并且达到实际运用的目的，一些挑战性的问题就需要被解决。这样的一种交通事故检测算法必须达到三个要求。第一，能够处理复杂的交通环境，包括较差的天气、不同的光照条件、复杂的道路状况和不同的交通参与者；第二，能够处理不同的交通流状态，也就是不同程度的交通拥堵；第三，能够实时性运行。 在本文中，我们研究在交通视频流中实时和鲁棒的交通事故检测算法。传统的方法要么就是运行速度不够快，要么就是在复杂的交通环境下鲁棒性不够好。我们提出了一种新颖的基于监控视频的交通事故检测方法，该方法的主要观察点在于交通事故的发生不仅会引起局部目标的运动方向混乱，也会造成全局交通流的混乱。在我们的方法中，一共有三步。第一，对每一帧视频构建对应的光流场；第二，基于光流场构建全局交通流描述子高斯模型和局部运动方向图高斯模型，来对交通事故的全局特征和局部特征进行检测，从而对视频帧中发生的交通事故进行检测与定位；第三，构建了一个检验模块来进一步验证交通事故的发生，并排除事故误报的情况。我们的方法具有实时性运行、高精度、漏报少、误报率低以及对不同交通环境和光照条件具有鲁棒性等优点，后期通过广泛的量化评估实验验证了以上优点，并且展示了在这个领域中的巨大进步。 |
| 作者： | 梁帅 |
| 专业： | 应用数学 |
| 导师： | 吴磊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
