多场景复杂环境智能交通视频处理关键技术研究及实现

摘要

智能交通中的视频处理技术是当今用于处理交通问题的重要技术。它对视频流进行处理运算，分析视频中各种交通行为，然后对其做出行为判定及通知响应。其涉及计算机视觉、机器学习、模式识别等前沿技术领域。本文主要给出在多种复杂条件下的去干扰方法，和多种场景下的交通行为判定方法，以及智能交通视频监控的系统框架与自适应技术。
　　本文给出了在光照条件下的图像中车辆阴影消除方法。基于阴影区域背景RGB及前景RGB性质上的占比规律，给出了RGB颜色占比法检测并消除车辆阴影;基于背景图像与实时图像HSI色差性质，给出了HSI颜色空间模型的阴影检测方法，达到消除阴影效果;基于阴影几何性质上的特点，给出了阴影分界线搜索法，来区分车辆阴影区域与车身区域。
　　对图像检测环境稳定性进行了研究，给出了几种图像干扰的去除方法。基于树叶在图像中的抖动规律，给出像素点抖动概率检测方法，消除树叶对目标检测的干扰。基于图像感兴趣区域内的噪声点非穿越运动特性，设计了感兴趣区域侵入噪声消除法，来消除随机噪点。为减少阴云变化导致的图像亮度强烈改变的影响，使用了自适应数字光圈法来保持图像的稳定性。
　　针对不同场景的交通行为给出了检测与判定方法。基于禁停区域作图模型，给出了禁停区域违章判定方法，得到车辆违停的报警信息并实施抓拍;根据路面丢弃物的尺寸特征性质，给出了丢弃物判断方法，来检测丢弃物并给予报警提示;针对电火花的亮度及时间特性，给出了电火花检测算法，来检测列车与导电轨发生的电火花事件。
　　给出了智能交通视频抓拍系统基本框架。基于MFC平台，实现了视频流的获取、图像的处理、违章行为的判定、违章证据的抓拍与网络发送功能。对预测与触发进行了改进。基于分式与多项式预测模型，设计了自适应预测方法，提高了运动预测的准确性;基于车辆轨迹统计数据，对车辆的触发与预测坐标区间进行了控制，从而减少误抓率;。针对车辆检测框过大而压线触发的问题，设计了车底搜索的检测框收窄方法，减小误判率。构造的智能交通视频抓拍系统获得公安部交通安全产品质量监督检测中心产品认证。

目录

声明

摘要

第一章 绪论

1．1 研究的背景和意义

1．2 智能交通视频监控技术的发展及国内外研究现状

1．3 论文研究内容和结构

2．1 图像预处理

2．1．1 RGB图转灰度图

2．1．2 自适应图像二值化

2．2 图像形态学处理

2．2．1 图像腐蚀

2．2．2 图像膨胀

2．3 运动目标前景提取

2．3．1 背景图像建立

2．3．2 前景建立

2．4 目标分类和车辆目标的识别

2．4．1 图像连通区域搜索

2．4．2 目标矩形块定位及筛选

2．5 运动目标跟踪

2．6 本章小结

3．1 阴影处理

3．1．1 RGB颜色占比对比法

3．1．2 基于HSI颜色模型阴影消除

3．1．3 基于阴影几何特征阴影消除

3．2 树叶抖动消除

3．3 自适应数字光圈处理

3．4 运动像素跟踪去除噪技术

3．5 本章小结

第四章 多场景智能交通行为判定处理

4．1 禁停区域违章检测

4．2 丢弃物判断

4．3 火花探测

4．4 本章小结

5．1 系统框架

5．1．1 视频源的获取

5．1．2 图像的处理

5．1．3 违章判定

5．1．4 违章证据网络发送

5．1．5 违章抓拍

5．2 双模型自适应预测技术

5．2．1 现实世界与视频图像运动目标映射规律

5．2．2 多项式拟合模型

5．2．3 分式预测模型

5．2．4 多项式分式自适应切换模型

5．3 适应场景的参数与细节处理设计

5．3．1 多场景独立参数设计

5．3．2 触发与预测的坐标阈值设计

5．3．3 斜向运动车辆检测边框按车底收窄设计

5．4 本章小结

6．1 全文总结

6．2 进一步工作方向

致谢

硕士期间科研成果

参考文献