發(fā)布時(shí)間：2020-05-10 18:34

【摘要】：隨著社會(huì)經(jīng)濟(jì)的高速發(fā)展,當(dāng)今汽車的保有量呈現(xiàn)直線式增長(zhǎng),私家車數(shù)量的不斷增加在方便市民出行的同時(shí),也帶來(lái)諸如交通擁堵、環(huán)境污染等問(wèn)題,道路資源的有限性使得許多車輛因?yàn)闋?zhēng)取自己時(shí)間出現(xiàn)諸多交通違法行為,帶來(lái)潛在的交通事故危險(xiǎn)。為了應(yīng)對(duì)這一問(wèn)題,在近年來(lái)智能交通系統(tǒng)的高速發(fā)展前提下,交通視頻對(duì)車輛的動(dòng)作行為的自動(dòng)識(shí)別成為熱點(diǎn)。因?yàn)榻煌ㄒ曨l中包含了諸如交通流量、車輛行為軌跡、車輛牌照等參數(shù),可以用來(lái)對(duì)車輛動(dòng)作行為和交通事件進(jìn)行預(yù)測(cè)和識(shí)別。目前的智能監(jiān)控系統(tǒng)從車輛檢測(cè)和終端行為識(shí)別的角度講依然存在車輛檢測(cè)精確度和識(shí)別準(zhǔn)確度不高的問(wèn)題。為了解決上述問(wèn)題,使智能監(jiān)控視頻能夠更加準(zhǔn)確有效地識(shí)別車輛行為,從而解決了交通管理者需人工處理大量視頻源的問(wèn)題,實(shí)現(xiàn)了低人工力、高效檢測(cè)識(shí)別和報(bào)警,本文立足于實(shí)際交通視頻,對(duì)車輛檢測(cè)、軌跡聚類、車輛異常行為識(shí)別模型三模塊進(jìn)行相應(yīng)算法研究,借鑒前輩和其他研究人員的成果,主要提出以下幾個(gè)技術(shù)要點(diǎn):(1)基于并優(yōu)化統(tǒng)計(jì)學(xué)習(xí)方法,因車輛PHOG特征的強(qiáng)魯邦性,選擇其為提取的特征參數(shù)。在訓(xùn)練階段,首先,利用Selective Search算法分割待測(cè)樣本集車輛區(qū)域作為正樣本集,其他分割區(qū)域作為負(fù)樣本集。然后,在分配正負(fù)樣本集標(biāo)簽后,提取正負(fù)樣本集圖片的PHOG特征并發(fā)送給SVM訓(xùn)練分類器,以獲得具有正樣本和負(fù)樣本的分類模型。測(cè)試集測(cè)試分類器得到誤檢的難例,送入SVM重新訓(xùn)練,得到新的分類模型。在識(shí)別階段,首先將待測(cè)視頻幀圖像分割成候選區(qū)域,并從所有候選區(qū)域提取特征,送入訓(xùn)練好的SVM模型里判斷,將判斷標(biāo)簽為1的車輛區(qū)域保留,之后對(duì)含車輛區(qū)域的嵌套情況進(jìn)行非極大值抑制,達(dá)到目標(biāo)精定位,完成檢測(cè)。(2)針對(duì)其他聚類算法時(shí)間成本高的缺點(diǎn),在采集實(shí)際交通視頻后,提出一種新的軌跡聚類算法,作為后續(xù)識(shí)別模型的一個(gè)樣本,基于FCM軌跡聚類算法,首先在實(shí)際路況監(jiān)控環(huán)境下,跟蹤視頻中目標(biāo)車輛獲得其實(shí)時(shí)軌跡并將軌跡二維坐標(biāo)點(diǎn)寫入文件后,對(duì)所有軌跡進(jìn)行重采樣和均值濾波等預(yù)處理,之后對(duì)所有軌跡進(jìn)行最小二乘法分段擬合,采用模糊C均值方法,實(shí)現(xiàn)車輛右變道、左變道、左超車以及違法右超車的軌跡樣本集分類。(3)目前的車輛行為模型建立主要方法是通過(guò)提取目標(biāo)軌跡的幾何參數(shù)特征作為模型的輸入來(lái)訓(xùn)練出分類器,但這種方法因?yàn)樾蛄芯幋a過(guò)程對(duì)坐標(biāo)精度要求較高,對(duì)實(shí)際不可控環(huán)境下的噪聲比較敏感,難以得到非常統(tǒng)一的特征參數(shù),會(huì)對(duì)模型的訓(xùn)練過(guò)程產(chǎn)生影響,魯棒性相對(duì)差。同車道直行狀態(tài)下,兩者的特征值序列很難提取出統(tǒng)一的相似的參數(shù)。為保持車輛軌跡的整體趨勢(shì)特點(diǎn),由于輸入樣本在卷積神經(jīng)網(wǎng)絡(luò)下,算法對(duì)其縮放、平移、扭曲保持著高度不變優(yōu)勢(shì),本文提出一種通過(guò)卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),建立車輛行為識(shí)別模型的方法。綜上所述,本文立足于實(shí)際交通視頻,在分析車輛實(shí)際交通行為特點(diǎn)基礎(chǔ)上,分別針對(duì)三個(gè)模塊提出新的算法,達(dá)到相對(duì)不錯(cuò)的識(shí)別效果。
【圖文】：

圖１－１論文技術(shù)路線圖逡逑論文主要包括六大章節(jié)，每一章節(jié)的內(nèi)容如下所示：逡逑第１章：緒論

表背景選取閾值，一般在０．５到１之間，通常來(lái)講，，個(gè)數(shù)越多。逡逑丨力一沁｜＜２．５（＾，（￥是第ｉ個(gè)高斯分布的標(biāo)準(zhǔn)差）個(gè)像素點(diǎn)；Ｑ與已生成的Ｋ個(gè)高斯分布匹配，那么我斯分布相匹配，并更新匹配的高斯分布參數(shù)：逡逑＝邋（１邋—邋Ｐ）邋＇邐＋邋Ｐ＇＾ｉ邋（１邋—邋ｐ）邋＇邋Ｅ／ｃ，ｉ－ｉ邋＋邋Ｐ邋＇邋ｄｉａｇ邋［＾（Ｘｊ邋—邋Ｍｆｅ，ｉ－ｉ）邋（＾ｉ邋—Ｐ邋＝邋－Ｔ－＾ｊ．ｔ逡逑估計(jì)的學(xué)習(xí)速率。逡逑型雖然已經(jīng)應(yīng)用在實(shí)際的交通環(huán)境中，但是其計(jì)抖動(dòng)表現(xiàn)出較好的魯棒性，但是對(duì)于檢測(cè)的運(yùn)動(dòng)當(dāng)交通環(huán)境變得復(fù)雜時(shí)容易出現(xiàn)誤檢。逡逑：？邋：；邋Ｗ邐．＝邋…芬．．．．．／逡逑
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U495;TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 周廣波;李豪杰;;一種基于顏色不變量和PHOG特征的交通標(biāo)志檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年08期

2 邱凌峗;韓軍;顧明;;車道模型的高速公路車輛異常行為檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2014年05期

3 趙有婷;李熙瑩;羅東華;;基于視頻車輛軌跡模型的交通事件自動(dòng)檢測(cè)方法研究[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 謝友寶;;最小二乘法分段直線擬合[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);1992年01期

本文編號(hào)：2657720