云台摄像机道路事件检测方法的研究与实现

摘要

在交通视频序列中，运动目标的检测和跟踪是智能监控系统最重要的部分。经过多年的研究，这项技术已经有了很大的发展。但是，由于现实环境中的复杂因素，运动目标的检测和跟踪仍然是研究的重要内容。
　　本文研究的内容是基于云台摄像机道路事件检测方法。在对道路事件进行检测时，主要研究的是车辆的检测和跟踪方法。针对现有的文献及OpenCV跟踪框架在一些天气多变、车辆阴影较大、雨天、光照朦胧以及夜间等复杂的环境下，对于车辆的检测和跟踪效果不理想的问题。本文选择了其中车辆阴影较大和夜间的两种情况进行研究。以及对云台摄像机移动后，破坏道路标线的问题进行解决。本文主要的工作有以下几个方面。
　　首先，对阴影检测方法进行研究，使得在车辆检测和跟踪时，能够不受阴影的干扰。研究实现一些经典的阴影检测方法。根据这些方法在阴影检测方面的不足，给出了一种将基于HSV颜色空间和基于梯度相结合，并运用团块思想的阴影检测方法。
　　其次，对夜间车辆检测和跟踪的方法进行研究。在研究夜间车辆检测方法时，是基于车灯来检测车辆。本文改进了车灯检测的方法，使其能准确的和自适应的对车灯进行检测。在研究夜间车辆跟踪方法时，给出了一种车辆跟踪算法。该算法先是对单车灯进行跟踪，然后，将特征相似的单车灯进行配对，作为一辆车进行跟踪。
　　再次，针对云台摄像机移动以后，道路线被破坏的问题。本文给出了一种道路重构方法。使其在云台摄像机移动后，能够重构出原有的道路模型。该方法是利用现有的图像拼接技术实现的。
　　最后，根据车辆跟踪轨迹和车道线，来判断车辆逆行、违章停车、超速、慢行等道路事件。然后将本文的算法用OpenCV实现，并将其和OpenCV现有的跟踪框架进行实验对比。
　　通过实验结果验证，OpenCV跟踪框架在添加本文算法后，能够提高车辆跟踪的效果。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．3 论文主要内容和章节安排

第2章 运动阴影检测的研究与实现

2．1 阴影的形成及其产生的影响

2．2 典型的运动目标检测方法

2．2．1 中值法

2．2．2 单高斯背景模型法

2．2．3 混合高斯背景模型法

2．2．4 ViBe算法

2．3 经典的阴影检测方法及其实现

2．3．1 基于HSV颜色空间的阴影检测

2．3．2 基于LBP纹理的阴影检测

2．4 结合基于HSV颜色空间和基于梯度的阴影检测方法

2．5 本章小结

第3章 夜间车辆的检测与跟踪

3．1 夜间车辆的检测

3．1．1 夜间车辆的特征

3．1．2 自适应的车灯检测

3．2 夜间车辆的跟踪

3．2．1 单个车灯的跟踪

3．2．2 车灯的配对

3．3 本章小结

第4章 道路标记及重构

4．1 图像拼接

4．1．1 基于SURF特征的匹配

4．1．2 图像拼接实验结果

4．2 道路的重构

4．3 本章小结

第5章 道路事件检测系统测试

5．1 引言

5．2 基于轨迹的道路事件检测

5．2．1 车辆逆行和停车检测

5．2．2 车辆超速及慢行事件检测

5．3 道路事件检测系统实验平台的实现

5．3．1 OpenCV跟踪框架

5．3．2 本文的跟踪框架

5．3．3 系统测试界面

5．4 实验结果分析

5．5 本章小结

第6章 总结与展望

6．1 本文的主要工作总结

6．2 未来的工作展望

参考文献

致谢

作者简介