【摘要】：隧道內(nèi)交通目標(biāo)的準(zhǔn)確提取,是隧道異常事件檢測(cè)的關(guān)鍵。而在隧道場(chǎng)景中監(jiān)控設(shè)備存在抖動(dòng),使得提取的車輛目標(biāo)畸形、行人目標(biāo)與背景連通,嚴(yán)重干擾了交通目標(biāo)的有效提取。同時(shí)隧道圖像存在畫質(zhì)模糊、車輛燈光等干擾也加大了隧道抖動(dòng)視頻穩(wěn)像的難度,導(dǎo)致傳統(tǒng)的穩(wěn)像方法效果一般、針對(duì)性不強(qiáng)。因此,研究針對(duì)隧道環(huán)境特性的抖動(dòng)視頻穩(wěn)像方法,對(duì)提高隧道內(nèi)車輛、行人等交通目標(biāo)的檢測(cè)精度,具有重要的理論和實(shí)際意義。本文通過分析常見抖動(dòng)矢量估計(jì)方法的優(yōu)劣,綜合考慮各類方法的實(shí)時(shí)性與穩(wěn)像精度,選取實(shí)時(shí)性較高的灰度投影法與精度較高的特征點(diǎn)匹配法作為本文的基本穩(wěn)像方法。在此基礎(chǔ)上,分別對(duì)隧道圖像中存在的畫質(zhì)模糊、車輛燈光等干擾抑制展開了重點(diǎn)研究,同時(shí),為了進(jìn)一步提高改進(jìn)穩(wěn)像方法的精度和實(shí)時(shí)性,又分別在灰度投影窗口、特征點(diǎn)距離、匹配對(duì)選取策略等方面進(jìn)行了改善,最終形成了兩種適于隧道環(huán)境特性的視頻穩(wěn)像方法。在基于灰度投影的穩(wěn)像方法方面,針對(duì)畫質(zhì)模糊、車輛燈光干擾等問題,提出了一種結(jié)合局部相位特征(Local Phase Quantization,LPQ)加權(quán)和多尺度高斯估計(jì)的改進(jìn)灰度投影穩(wěn)像方法。該方法首先通過模糊魯棒的LPQ量化編碼值加權(quán)以增大模糊圖像行列間的投影差,其次采用多尺度高斯估計(jì)的方法逼近并消除隧道圖像的亮度分量,從而減小光照干擾下參考幀與背景幀投影曲線上的局部差異,最后基于多子區(qū)域窗口和樣本統(tǒng)計(jì)的方法降低了局部運(yùn)動(dòng)目標(biāo)對(duì)灰度投影穩(wěn)像精度的影響。實(shí)驗(yàn)結(jié)果表明,該方法能有效克服畫質(zhì)模糊、車輛燈光等干擾,在保證較高實(shí)時(shí)性的同時(shí)可得到平滑、流暢、穩(wěn)定的視頻流。在基于特征點(diǎn)匹配的穩(wěn)像方法方面,考慮到傳統(tǒng)魯棒特征實(shí)時(shí)性差,本文選擇實(shí)時(shí)性較強(qiáng)的二進(jìn)制描述子FREAK(Fast Retina Keypoint)作為基本特征。針對(duì)該特征在畫質(zhì)模糊、車輛燈光等干擾下誤匹配率高的問題,提出了一種融合模糊魯棒和光照魯棒重組Hu不變矩的改進(jìn)二進(jìn)制特征點(diǎn)匹配穩(wěn)像方法。首先,該方法在FREAK特征四級(jí)匹配的基礎(chǔ)上計(jì)算匹配對(duì)鄰域內(nèi)重組Hu不變矩的距離,并剔除相似度較低的誤匹配對(duì),其次,考慮到鄰域內(nèi)特征點(diǎn)存在高聚集性和低分辨性,采取距離約束的方式限制特征點(diǎn)數(shù)量以降低計(jì)算量,最后基于順序抽樣一致性算法(Progressive Sample Consensus,PROSAC)和Hamming距離比的方式進(jìn)一步提高了抖動(dòng)矢量估計(jì)的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,該方法能有效克服畫質(zhì)模糊、車輛燈光等干擾,在保證一定時(shí)效性的同時(shí)可獲得較高的穩(wěn)像精度。最后,綜合上述研究結(jié)果,形成了兩種適于隧道環(huán)境特性的視頻穩(wěn)像方法,并利用實(shí)地采集的隧道抖動(dòng)視頻數(shù)據(jù)進(jìn)行了對(duì)比實(shí)驗(yàn)驗(yàn)證。與傳統(tǒng)方法相比,在隧道環(huán)境下,本文提出的方法均具有更高的幀間變換保真度,穩(wěn)像效果更好。同時(shí),本文還比較了兩種改進(jìn)的穩(wěn)像方法,結(jié)果表明基于灰度投影的改進(jìn)方法在穩(wěn)像實(shí)時(shí)性上更快,而后者在穩(wěn)像精度上更優(yōu)。在實(shí)際應(yīng)用方面,兩種穩(wěn)像方法均可有效對(duì)提高隧道環(huán)境內(nèi)目標(biāo)檢測(cè)的檢出率、并降低誤檢率。
【圖文】：

(c1) 背景差分幀 1 (c2) 背景差分幀 2 (c3) 背景差分幀 3圖 2.1 隧道環(huán)境下抖動(dòng)視頻流分析Fig. 2.1 Analysis of jitter video streaming in tunnel environment由于抖動(dòng)視頻流的干擾，隧道場(chǎng)景中的背景物體如車道線、墻體以及路邊緣線均相對(duì)于背景幀發(fā)生了抖動(dòng)偏移，當(dāng)執(zhí)行背景差分操作時(shí)，這些原本屬于背景的物體目標(biāo)同實(shí)際運(yùn)動(dòng)車輛、行走行人共同構(gòu)成前景區(qū)域，嚴(yán)重影響了前景目標(biāo)的提取，若采用分割方法也難以將前景目標(biāo)完全分割，不僅降低了檢測(cè)效率也降低了目標(biāo)提取正確率。通過實(shí)驗(yàn)發(fā)現(xiàn)，抖動(dòng)的隧道視頻流主要造成以下三類問題：行人目標(biāo)連通、出現(xiàn)偽車輛目標(biāo)、車輛目標(biāo)畸形擴(kuò)展。圖 2.1 中，從上到下分別展示了隧道抖動(dòng)視頻中的三個(gè)背景幀、當(dāng)前幀以及背景差分幀。如圖 2.1(b1)和 2.1(c1)，當(dāng)隧道視頻流不穩(wěn)定時(shí)，隧道停車帶兩側(cè)路邊緣線均在背景差分幀中凸顯，同時(shí)，當(dāng)前幀中的弱小行人目標(biāo)與凸顯的前景相連，造成弱小行人目標(biāo)前景區(qū)域擴(kuò)大，難以再用經(jīng)驗(yàn)的特征閾值方法實(shí)現(xiàn)準(zhǔn)確檢測(cè)，從而造成行人目標(biāo)漏檢；由于隧道監(jiān)控?cái)z像頭安裝高度相對(duì)較低，大車經(jīng)過時(shí)將占據(jù)

2 隧道環(huán)境下視頻穩(wěn)像方法關(guān)鍵問題及研究思路圖 2.2(b1)與 2.2(b2)為燈光干擾前后相隔 8 幀的兩幀圖像。隧道異常事件檢測(cè)系統(tǒng)是日常實(shí)時(shí)檢測(cè)系統(tǒng)，為了保證檢測(cè)實(shí)時(shí)性，需要對(duì)視頻流抽幀，對(duì)于 25 幀/s 的視頻流，1 秒僅抽取 2 至 3 幀進(jìn)行處理，故這里抽取相隔 8 幀的圖像進(jìn)行分析。燈光干擾前幀中僅僅存在車輛目標(biāo)，而燈光干擾后幀中不僅僅存在嚴(yán)重的車輛閃爍燈光干擾，還存在車輛目標(biāo)的局部運(yùn)動(dòng)，這種情況下既需要削弱燈光對(duì)隧道視頻穩(wěn)像的干擾，也需要考慮局部運(yùn)動(dòng)對(duì)抖動(dòng)估計(jì)矢量的影響。依托于隧道異常事件檢測(cè)系統(tǒng)，隧道環(huán)境視頻穩(wěn)像方法需要具有高實(shí)時(shí)性與長(zhǎng)時(shí)準(zhǔn)確穩(wěn)像的能力。對(duì)于第一點(diǎn)，由于穩(wěn)像后的視頻幀需要進(jìn)行后續(xù)的實(shí)時(shí)處理與分析，理論上每幀穩(wěn)像時(shí)間需保證在 130ms 以內(nèi)；對(duì)于第二點(diǎn)，隧道視頻流屬于實(shí)時(shí)長(zhǎng)時(shí)視頻流，，不準(zhǔn)確的抖動(dòng)矢量估計(jì)可能會(huì)影響后續(xù)所有幀的穩(wěn)像精度，因此需要一種幀間獨(dú)立性高的穩(wěn)像策略。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 丁浩;劉帥;陳建忠;吳小麗;;高速公路隧道交通事故應(yīng)急救援速度影響因素分析[J];公路交通技術(shù);2015年06期

2 盧士波;黎明;陳小佳;彭蘇岳;神祖福;;高速公路隧道內(nèi)車輛異常的視頻圖像識(shí)別[J];交通科技;2015年04期

3 初守艷;;基于ORB特征匹配的電子穩(wěn)像算法[J];數(shù)字技術(shù)與應(yīng)用;2015年04期

4 王燕;張軼飛;;一種適用于電子穩(wěn)像的自適應(yīng)分區(qū)塊匹配搜索策略[J];裝甲兵工程學(xué)院學(xué)報(bào);2014年05期

5 周同;鄒麗新;尤金正;王海燕;杜偉巍;;基于改進(jìn)Canny邊緣檢測(cè)算子的電子穩(wěn)像算法研究[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

6 尹德森;趙躍進(jìn);楊佩原;鄭寧;;基于Canny邊緣檢測(cè)的數(shù)字穩(wěn)像算法研究[J];光學(xué)技術(shù);2007年03期

7 龐新良;范大鵬;滕旭東;彭建新;;數(shù)字式機(jī)載光電伺服系統(tǒng)的實(shí)現(xiàn)[J];光電工程;2007年03期

相關(guān)博士學(xué)位論文 前4條

1 黃珂;基于察覺對(duì)比度法的隧道照明研究[D];重慶大學(xué);2016年

2 陳曉露;航空光電成像電子穩(wěn)像技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2014年

3 邱家濤;電子穩(wěn)像算法和視覺跟蹤算法研究[D];西安電子科技大學(xué);2013年

4 朱娟娟;電子穩(wěn)像理論及其應(yīng)用研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 雷丹;公路隧道視頻火災(zāi)煙霧檢測(cè)方法研究[D];大連海事大學(xué);2017年

2 王珂;基于視頻的隧道亮度檢測(cè)系統(tǒng)的研究[D];長(zhǎng)安大學(xué);2016年

3 郭政;基于多分辨率灰度投影的電子穩(wěn)像算法研究[D];中國(guó)礦業(yè)大學(xué);2016年

4 汪博;機(jī)載視頻數(shù)字穩(wěn)像方法的研究[D];中國(guó)礦業(yè)大學(xué);2015年

5 姚明明;高速公路隧道停車檢測(cè)中的車輛跟蹤及狀態(tài)識(shí)別方法研究[D];重慶大學(xué);2014年

本文編號(hào)：2648768