【摘要】：隨著我國(guó)機(jī)動(dòng)車保有量的迅速增加,交通事故的發(fā)生率也在逐年提高。面對(duì)越來越難以管理的交通運(yùn)輸系統(tǒng),智能交通技術(shù)應(yīng)運(yùn)而生。智能交通系統(tǒng)旨在利用先進(jìn)的智能技術(shù)來提高道路的利用率、道路交通的安全程度和道路使用的舒適性。傳統(tǒng)的交通管理系統(tǒng)主要對(duì)管理者起著監(jiān)管取證的作用,而智能交通系統(tǒng)通過先進(jìn)的科技手段對(duì)道路的使用者發(fā)揮越來越大的作用。車輛作為道路的使用主體,而駕駛員作為車輛的主導(dǎo)者,研究和規(guī)范駕駛員的駕駛行為對(duì)交通系統(tǒng)的智能化起著十分重要的作用。智能交通卡口一直是智能交通系統(tǒng)中的一個(gè)重要組成部分,其通過對(duì)過往車輛的及時(shí)抓拍,獲取車輛和駕駛?cè)藛T的信息,為治安盤查和交通監(jiān)管等提供了有力的信息支撐。本文運(yùn)用視覺感知技術(shù)圍繞智能交通卡口抓拍的圖片進(jìn)行了一系列研究,包括交通卡口圖像增強(qiáng)、駕駛員區(qū)域檢測(cè)、駕駛員安全帶佩戴行為分析和駕駛員打手機(jī)行為檢測(cè),并提出了相應(yīng)的解決方法。這些方法能夠有效地完成交通卡口圖片相關(guān)處理。本文的具體工作如下：1.為了解決復(fù)雜場(chǎng)景下交通卡口圖像質(zhì)量提升問題,本文提出了一種基于自適應(yīng)亮度基準(zhǔn)漂移的交通卡口圖像白適應(yīng)增強(qiáng)方法。該方法首先針對(duì)自然交通卡口場(chǎng)景中經(jīng)常遇到的光照和天氣變化現(xiàn)象進(jìn)行分析,特別是因交通卡口朝向不同而引起的順逆光現(xiàn)象進(jìn)行了研究,提出了不同環(huán)境下的圖像亮度基準(zhǔn)概念,并且從圖像與光照強(qiáng)度、光照時(shí)間之間的相互關(guān)系入手,建立光照變化模型,然后依據(jù)模型對(duì)圖像中不同亮度點(diǎn)選擇相應(yīng)的漂移參數(shù)白適應(yīng)進(jìn)行增強(qiáng)處理。該方法能夠有效地對(duì)全天候自然交通場(chǎng)景下的卡口圖像進(jìn)行增強(qiáng)處理,為后續(xù)的目標(biāo)檢測(cè)和行為感知奠定了良好的基礎(chǔ)。2.為了解決復(fù)雜場(chǎng)景下駕駛員區(qū)域定位問題,提出了一種基于多層次目標(biāo)結(jié)構(gòu)化模型的駕駛員區(qū)域檢測(cè)方法。該方法為了準(zhǔn)確找出駕駛員區(qū)域,對(duì)圖像分層依次處理。第一層次為對(duì)增強(qiáng)后的圖像進(jìn)行車輛目標(biāo)檢測(cè),車輛檢測(cè)過程中采用了本文提出的多通道融合HOG特征,該特征對(duì)灰度域局部梯度不明顯的車輛目標(biāo)具有更好的檢測(cè)效果。第二層次為對(duì)車輛目標(biāo)中的駕駛員區(qū)域進(jìn)行檢測(cè),該層次對(duì)檢測(cè)出的車輛進(jìn)行結(jié)構(gòu)化建模,針對(duì)結(jié)構(gòu)化部件提出了空間置信度和空間相關(guān)度的概念�？臻g置信度根據(jù)結(jié)構(gòu)化部件的空間位置和空間尺寸計(jì)算得到,空間相關(guān)度通過結(jié)構(gòu)化部件間的空間距離和空間方位計(jì)算得到,然后依據(jù)空間置信度和空間相關(guān)度來綜合進(jìn)行駕駛員區(qū)域檢測(cè)。第三層次為對(duì)駕駛員行為區(qū)域進(jìn)行檢測(cè),本文的駕駛員行為主要分為安全帶佩戴行為和打手機(jī)行為,首先將駕駛員區(qū)域進(jìn)行結(jié)構(gòu)化建模,然后根據(jù)各行為區(qū)域的先驗(yàn)知識(shí)并結(jié)合結(jié)構(gòu)化信息得到駕駛員行為的識(shí)別區(qū)。駕駛員區(qū)域檢測(cè)方法為后續(xù)的駕駛員違章行為分析奠定了良好的基礎(chǔ)。3.為了解決駕駛員安全帶佩戴行為的檢測(cè)問題,本文提出了一種基于離散信息整體感知的駕駛員安全帶佩戴行為檢測(cè)方法。該方法首先對(duì)駕駛員區(qū)域圖像進(jìn)行局部自適應(yīng)增強(qiáng)處理,然后選取了邊緣作為安全帶的主要特征,并提出了種針對(duì)安全帶邊緣的自適應(yīng)篩選策略,策略中采用了本文提出的鄰域像素對(duì)角斜鄰的概念。安全帶邊緣篩選后采用了感知編組技術(shù)將分裂離散的邊緣進(jìn)行編組,編組規(guī)則用到了本文提出的邊緣梯度方向相似性、邊緣連接性、邊緣鄰域亮度近似性特征。最后對(duì)編組后的邊緣采用了基于霍夫變換的最小二乘法進(jìn)行直線擬合,并對(duì)擬合直線采用本文提出的安全帶置信度進(jìn)行真?zhèn)螞Q策,以實(shí)現(xiàn)安全帶佩戴行為的檢測(cè)。4.為了解決駕駛員打手機(jī)行為的檢測(cè)問題,本文提出了一種基于多信息融合的駕駛員打手機(jī)行為檢測(cè)方法。該方法首先根據(jù)打手機(jī)發(fā)生的位置進(jìn)行ROI區(qū)域劃分以去掉大部分干擾信息,然后根據(jù)ROI中各位置發(fā)生打手機(jī)的可能性計(jì)算其相應(yīng)的打手機(jī)先驗(yàn)概率圖;在對(duì)打手機(jī)行為進(jìn)行判斷的過程中,本文采用的是手部膚色特征,特征提取時(shí)首先分析傳統(tǒng)橢圓模型法的特點(diǎn),并提出了置信度映射橢圓模型膚色檢測(cè)算法,然后將膚色置信圖和先驗(yàn)概率圖結(jié)合,得到手部膚色的最后置信度,并以此確定手部膚色候選區(qū)域。對(duì)每個(gè)手部膚色候選區(qū)域,本文采用直方圖差異度、稀少度和集中度作為顯著性度量指標(biāo),并提出特征級(jí)融合和通道級(jí)融合分層結(jié)合的方式來進(jìn)行膚色候選區(qū)域顯著性驗(yàn)證,以實(shí)現(xiàn)最后的打手機(jī)行為的感知判斷。除此之外,本文對(duì)所做的工作進(jìn)行了總結(jié),并且結(jié)合本文工作的不足之處,介紹了本文后續(xù)的研究?jī)?nèi)容。
[Abstract]:......
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王毅;李延雷;胡大勇;;圖像Inpainting技術(shù)原理及在包裝印刷圖像處理中的應(yīng)用[J];包裝工程;2006年02期

2 閆苗苗;鄭元林;戚永紅;;基于感興趣區(qū)域圖像眼動(dòng)數(shù)據(jù)庫(kù)的建立[J];西安理工大學(xué)學(xué)報(bào);2014年01期

3 宮山，，盧凌;掃描儀輸出圖像信號(hào)的計(jì)算機(jī)處理[J];中國(guó)儀器儀表;1995年02期

4 計(jì)文平;沈蘭蓀;;基于感興趣區(qū)的圖像多描述編碼[J];北京工業(yè)大學(xué)學(xué)報(bào);2007年02期

5 曾春平,錢曉凡;掃描儀輸出失真圖像的計(jì)算機(jī)處理[J];重慶工學(xué)院學(xué)報(bào);2005年05期

6 陳家新,王國(guó)強(qiáng),王躍明;使用遺傳算法對(duì)圖像進(jìn)行恢復(fù)[J];洛陽(yáng)工學(xué)院學(xué)報(bào);2000年02期

7 楊飚;李錫放;張?jiān)?;紋織圖像分色算法研究[J];制造業(yè)自動(dòng)化;2012年09期

8 陳卓,陳海清;矢量碼坐標(biāo)法激光掃描及圖像失真分析[J];華中科技大學(xué)學(xué)報(bào);2001年05期

9 陳源源;新型數(shù)字掃描轉(zhuǎn)換及折射引起的圖像失真的實(shí)時(shí)校正系統(tǒng)[J];儀器儀表用戶;2002年03期

10 原玉磊;席靚;鄭勇;;Alta U9000圖像數(shù)據(jù)由16位到8位的轉(zhuǎn)換[J];海軍航空工程學(xué)院學(xué)報(bào);2012年03期

相關(guān)會(huì)議論文 前1條

1 吳慶暢;陳躍斌;趙波;文永華;;一種基于圖像內(nèi)容的易損水印算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前3條

1 阿正;用你拍攝的圖像設(shè)置墻紙[N];江蘇經(jīng)濟(jì)報(bào);2003年

2 華西醫(yī)科大學(xué)附屬第一醫(yī)院 韓蔚;急診CT影像的獲取和通訊系統(tǒng)[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2001年

3 山東 顏士宗;大屏幕電視的最佳視距[N];電子報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 盧記倉(cāng);圖像隱寫檢測(cè)特征分析及隱寫算法識(shí)別[D];解放軍信息工程大學(xué);2014年

2 劉紅;融合壓縮感知的圖像安全的研究[D];重慶大學(xué);2016年

3 劉操;面向交通卡口圖像的駕駛員違章行為視覺感知研究[D];武漢大學(xué);2016年

4 曾憲庭;基于圖像的無(wú)損信息隱藏技術(shù)研究[D];浙江大學(xué);2010年

5 李名;信息熵視角下的密文圖像信息隱藏研究[D];重慶大學(xué);2014年

6 李智;圖像數(shù)據(jù)中的隱藏信息檢測(cè)技術(shù)研究[D];四川大學(xué);2004年

7 楊航;圖像反卷積算法研究[D];吉林大學(xué);2012年

8 馬吉權(quán);基于圖像表面視覺恢復(fù)技術(shù)的焊點(diǎn)質(zhì)量檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2010年

9 馮欣;基于視覺顯著性的網(wǎng)絡(luò)丟包圖像和視頻的客觀質(zhì)量評(píng)估方法研究[D];重慶大學(xué);2011年

10 曹衛(wèi)兵;基于數(shù)字圖像的信息隱藏技術(shù)研究[D];西北工業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 駱驍;視覺密碼在證件防偽中的應(yīng)用研究[D];延邊大學(xué);2015年

2 季福增;基于AIS和SAR的艦船同步檢測(cè)研究[D];大連海事大學(xué);2015年

3 劉慧興;圖像信息隱藏并行檢測(cè)技術(shù)的研究[D];南京理工大學(xué);2015年

4 孫平;基于FPGA的靜態(tài)彩色圖像壓縮系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];成都理工大學(xué);2015年

5 王一江;碟式太陽(yáng)能聚光系統(tǒng)光斑質(zhì)量分析技術(shù)[D];浙江工業(yè)大學(xué);2015年

6 李丹丹;圖像密文域可逆信息隱藏技術(shù)的研究[D];合肥工業(yè)大學(xué);2015年

7 蘇金陽(yáng);JPEG圖像隱寫分析算法研究[D];中國(guó)計(jì)量學(xué)院;2015年

8 利祥;壓縮域圖像可逆信息隱藏[D];浙江大學(xué);2016年

9 丘啟敏;基于顯著性的林火火焰識(shí)別[D];北京林業(yè)大學(xué);2016年

10 胡玉;車載圖像系統(tǒng)中的全景影像的校正與拼接[D];吉林大學(xué);2016年

本文編號(hào)：2385381