毕业论文网
这篇检测方法论文范文为免费优秀学术论文范文,可用于相关写作参考。
基于交通视频监控的车辆异常行为检测方法
强永军1 熊艳梅2
（成都理工大学工程技术学院 四川 成都 614000）
摘 要：经济水平的不断提高和城市化建设进程的加快推动了交通道路的快速发展,同时国民拥有的汽车数量也呈现逐渐增长的趋势.但交通拥堵和高发的交通事故以及汽车污染等交通问题对社会的进步和经济的可持续发展造成了严重的阻碍.因此,通过视频监控的形式对交通道路上发生异常事故和行为异常的车辆进行有效的检测和实时监控显得尤为重要.本文主要针对视频监控检测手段的特点和存在的问题进行分析,围绕交通监控视频的发生异常行为的车辆检测技术进行深入性的探讨,并提出解决问题的有效对策,为提高交通车辆的安全性和道路通畅性提供参考.
关键词：监控视频；交通道路；异常行为；检测手段
我国目前的交通环境状况不佳,存在着事故多发和交通拥堵等需要解决的难题,使用交通视频检测技术是发现和自动识别车辆行为异常的重要手段,已得到广泛的普及和应用.以互联网和大数据为主要特征的时代,迅猛发展的信息技术促进了交通道路视频监测系统的更新升级,也使得海量的视频和交通道路数据信息得到有效的存储和处理.我国相关交通管理部门也积极引进和改进交通视频监控系统,逐步实现智能化和数字化.
1 基于改进的Surendra 背景差分和三帧差分相结合车辆检测方法分析
交通视频监控和监测的目的在于准确地识别和跟踪监测各车辆,以及时发现运行车辆的违法行为.基于3D 跟踪模型和自适应单类支持向量机等是交通视频监控车辆异常行为检测的重要方法,但这两种技术的缺陷在于需要更大的存储空间,计算的方式比较复杂,在一定程度上加大了成本和开销.为了进一步精准和了解车辆调头变道运动的方向和违法行为情况,随着道路监控视频跟踪监测技术的不断深化和改进,三帧差分和Surendra 有效结合的检测方法, 以及Camshift 算法和Kalman滤波器等方式的运用大大提高了跟踪目标车辆和了解车辆运动轨迹的准确性和有效性,简化了应用程序的操作步骤.一般情况下,基于交通监控视频的车辆异常行为检测系统的工作基本流程依次为视频序列、车辆目标检测、车辆目标跟踪、提取质心合成轨迹,最后是车辆违章行为的判别.
1.1Surendra 背景差分计算方法研究
改进的Surendra 是一种能够使用阈值自主适应并灵活调整背景和实时更新速度的运动目标检测算法.该方法具有操作简便和时效性强的优势,能实现运动目标车辆的完整背景构造的获取,实时自动更新和改变背景.具体实施方式为：
获得交通监控视频的第一帧图像,并将图像和初始背景分别设置为I0 和B0.
计算出并使用gmax 和gmin 分别表示图像灰度的最大值和最小值, 并使T等于gmax+gmin
以T 为划分图像灰度数值的依据,并将灰度值大于T 和小于T 分成两组,各算出两组的平均值,分别表示为μ1 和μ2.
更新得出的阈值T等于（μ1+μ2）/2
把以上的（3）和（4）进行重复计算,控制T 值不变
初始化迭代次数,m 表示迭代次数,当m等于1 时,用M 表示迭代次数的最大值,并计算当前视频的帧和前一帧的差值,用I1 表示在t 时间输入的单帧图像,It-1 为t-1 时刻的输入单帧图像,即Dt等于0 或者1|It-It-1|>T |It-It-1| 小于等于T；
以二值化后的Dt 为背景更新的依据,即Bt（x,y）等于Bt-1（x,y）或者等于αIt+(1-α)Bt-1(x,y) Dt等于1 或者0.其中B1（x1,y）表示在t 时刻的背景图像,α 表示更新速率的系数,取值0.005.
迭代次数每次都自动增加1,直到m等于M 的时候表示结束,更新的图像为B1（x1,y）.
1.2 结合基于改进Surendra 背景差分和三帧差分的交通检测技术
基于帧间差分法进行升级的三帧差分法,使用不同的测试监控视频根据二值化阈值的不同来进行设置以便达到增强效果的目的,并把两个相邻差值所得对应图像的像素进行操作,是采用连续获得三帧图像并计算相邻之间两帧图像的灰度差值来区分图像的方式,其最大的优势在于能按照车辆运动的实际情况进行形态学的处理,避免了目标待检测区域空洞现象的产生.两者的结合奠定了图像和视频处理技术进一步发展的基础,更好地满足交通视频监测系统的要求,具有很大的实践价值和社会意义.三帧差分法具体实践为：
首先采用Suredra 背景差分的方法重新构建获得的交通视频监控帧图像,计算并确认背景差分检测的区域.
之后采用三帧差分法计算出连续两个相邻的帧图像差值,得出检测区域.
计算和处理以上步骤的结果并得出车辆检测区域,这时为了减少和避免目标车辆噪音造成的干扰,采用形态学滤波和连通域进行数据分析.
最后按照以上的计算结果来确定移动车辆的运动轨迹.
2 基于Kalman 滤波预测的Camshift跟踪方法分析
Camshift 算法主要以整帧图像作为默认的搜索区域,并以此检测出车辆质心,随后采用Kalman 输入相应的变量,新一轮搜索方位就是Camshift 滤波得出的预测值,Kalman 随之获得最新搜索到的目标位置的反馈.在实践过程中Camshift 跟踪手段会由于目标车辆有意的遮挡而造成跟踪失效的现象,引入Kalman 滤波器弥补了这一缺陷,根据计算出的预测值可以精准目标车辆的位置.具体的操作步骤为：
采用改进的Surendra 背景差分和三帧差分相结合的方法对输入视频帧进行处理并得出车辆运动的区域.
使用连通域分析和形态学方式除去车辆噪音,并初始化搜索窗口.
结合Kalman 滤波器和Camshift 跟踪手段预测目标车辆位置并进行跟踪,及时更新和反馈Kalman 滤波器.
输出车辆外接矩形框质心,确定车辆的运动轨迹.
３结语
基于改进的Surendra 背景差分和三帧差分相结合车辆检测方法和基于Kalman滤波预测的Camshift 跟踪方法是实现交通视频智能监测车辆异常行为的重要系统,实践表明该系统不仅能计算和检测出车辆质心,还能拟合车辆的运行轨迹,提高了发生异常行为的车辆检测的准确度,值得广泛应用和进一步推广.
参考文献：
[1] 陈志祥. 基于视频监控的车辆违章行为检测方法研究[D]. 重庆大学,2015,11(31):991-995.
[2] 宋耀. 交通监控视频中的车辆异常行为检测[D]. 南京邮电大学,2015,12(07):528-536.
检测方法论文范文结:
关于检测方法方面的论文题目、论文提纲、检测方法论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
2、论文检测
4、论文字数检测
5、论文调查方法
6、论文方法有哪些