摘要: |
高速公路交通事件的快速检测,对及时有效地进行交通事故救援和处理、有效减少由于交通事故产生的交通延误及避免二次事故的发生具有重要意义,是智能交通系统中的重要组成部分和关键技术。而基于视频图像识别的交通事件检测在检测速度、检测精度和可靠度方面存在很大的优势,已经逐渐成为交通事件自动检测的发展方向和研究热点,成为计算机视觉领域新兴的研究方向。
本文在研究光流法、帧差法、不变矩特征法以及背景差分法等目前主要的运动目标检测算法基础上,提出一种以背景差分和帧差法相结合,以及一种改进的自适应背景更新的方法,有效解决了背景发生突变后的模型更新问题;提出近似最优阈值法,有效简化了最佳阈值的计算方法,使得目标分割更加准确;论文通过对基于HSV颜色空间的阴影检测方法的重点研究,提出了一种带有方向性判断和适度检测的HSV颜色空间模型方法,增强了阴影消除的效果,并通过高斯平滑滤波和形态学运算实现了噪声消除和目标续接,使得车辆目标分离更为科学合理,更为准确。
夜间车辆检测率偏低,一直是困扰视频交通事件检测系统研究和应用的一大难点。论文在深入分析夜间车辆行驶特性的基础上,提出用检测车灯的方法检测车辆目标,并通过消除反光、二灯取一等处理,用一个车灯来代替车辆。通过对该车灯跟踪和分析,来实现夜间车辆检测和交通事件的检测,比较好地解决了夜间视频识别和交通事件检测的难题;为了让系统能够在白天和夜间不同工作模式中切换,提出非检测区灰度直方图法和多梯度灰度阈值法,实现了系统工作模式随着环境光度变化的自适应调整和切换,满足了系统全天侯工作的需要;论文提出的分段标定方法、基于轨迹的事件检测方法、基于交通流参数的检测算法和基于阈值判定的事件检测等算法,提高了车辆速度的检测精度,也提高了交通事件检测的准确率。
依据本论文的研究成果,完成了视频交通事件检测系统的设计和实现。通过在高速公路运营现场的实际工程测试,表明系统具有比较高的检测精度,并比较好的解决了夜间环境下的视频识别和交通事件检测的难点。系统测试验证了本文所提出的模型算法的正确性和系统的实用性,达到了项目的研究目标。
|