【摘要】：城市道路交通場(chǎng)景中的目標(biāo)檢測(cè)及目標(biāo)計(jì)數(shù)是城市智能交通監(jiān)控系統(tǒng)的重要研究?jī)?nèi)容之一,準(zhǔn)確及實(shí)時(shí)獲取城市道路交叉口場(chǎng)景中的車輛及車輛數(shù)量是緩解城市擁堵、實(shí)現(xiàn)智能交通管理和建設(shè)智慧城市的前提,因此,研究基于視頻的城市道路交叉口場(chǎng)景中車輛的檢測(cè)方法對(duì)于城市智能交通系統(tǒng)建設(shè)具有重要的意義。本論文圍繞復(fù)雜城市道路交通場(chǎng)景中車輛檢測(cè)和計(jì)數(shù)的準(zhǔn)確性要求,重點(diǎn)研究了基于視頻的城市道路交叉口場(chǎng)景中車輛緩慢行駛或短時(shí)停留條件下車輛檢測(cè)背景模型的建模方法、光照突變情形下車輛檢測(cè)背景模型的建模方法和基于前景時(shí)間空間圖像的車輛準(zhǔn)確計(jì)數(shù)的方法,本文主要的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:(1)為了解決基于背景模型的車輛檢測(cè)方法容易受到城市道路交叉路口場(chǎng)景中緩慢行駛或短時(shí)停留的車輛"污染"問(wèn)題,基于傳統(tǒng)混合高斯模型GMM(Gaussian Mixture Model)和像素點(diǎn)的場(chǎng)景狀態(tài),提出了一種基于置信度的改進(jìn)高斯模型GMMCM(Gaussian Mixture Model with Confidence Measurement),該模型為每個(gè)像素點(diǎn)設(shè)置一個(gè)置信度,且置信度基于當(dāng)前像素點(diǎn)的交通狀態(tài)和穩(wěn)定性自適應(yīng)更新;同時(shí)背景模型的學(xué)習(xí)率也根據(jù)當(dāng)前的交通場(chǎng)景狀態(tài)自適應(yīng)更新�；诔鞘械缆方徊婵趫�(chǎng)景視頻數(shù)據(jù)和CDnet2014公用視頻數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn),定性對(duì)比實(shí)驗(yàn)結(jié)果表明基于置信度的改進(jìn)高斯模型GMMCM在阻止背景模型不被緩慢行駛或短時(shí)停留車輛"污染"方面的性能優(yōu)于傳統(tǒng)混合高斯模型GMM、自適應(yīng)混合高斯模型SAGMM(Self-Adaptive Gaussian Mixture Model)和局部參數(shù)學(xué)習(xí)率高斯模型 LPLGMM(Local Parameter Learning Gaussian Mixture Model),同時(shí)定量對(duì)比實(shí)驗(yàn)結(jié)果表明基于置信度的改進(jìn)高斯模型GMMCM在處理車輛緩慢行駛和短時(shí)停留問(wèn)題的性能優(yōu)于SDC(Sigma-Delta with Confidence)、ViBe(Visual Background extractor)、GMM、SAGMM 和LPLGMM。(2)為了解決城市道路交叉路口場(chǎng)景中基于背景模型的車輛檢測(cè)方法處理緩慢行駛或短時(shí)停留車輛的實(shí)時(shí)性問(wèn)題,基于像素點(diǎn)的自適應(yīng)分割算法PBAS(Pixel-Based Adaptive Segmenter)和像素點(diǎn)的場(chǎng)景狀態(tài),提出了一種基于置信度的改進(jìn)自適應(yīng)分割算法 PBASCM(Pixel-Based Adaptive Segmenter with Confidence Measurement),該算法為每個(gè)像素點(diǎn)設(shè)置一個(gè)置信度,且置信度基于當(dāng)前像素點(diǎn)的交通狀態(tài)和穩(wěn)定性自適應(yīng)更新,同時(shí)前景檢測(cè)閾值和背景模型的學(xué)習(xí)率也根據(jù)當(dāng)前的交通場(chǎng)景狀態(tài)自適應(yīng)更新;基于城市道路交叉口場(chǎng)景視頻數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn),定性及定量對(duì)比實(shí)驗(yàn)結(jié)果表明基于置信度的改進(jìn)自適應(yīng)分割算法PBASCM的性能優(yōu)于CB(Codebook)、GMM、ALW(Adaptive Light-Weight)、SDC、ViBe 和 PBAS。(3)為了解決基于背景模型的前景檢測(cè)方法容易受到城市道路交叉路口場(chǎng)景中光照緩慢變化或突變影響的問(wèn)題,基于韋伯定理提出了一種基于像素點(diǎn)的自適應(yīng)局部均值二值模式ALMP(Adaptive Local Mean binary Pattern)紋理特征,并采用樣本一致性原則建立了一種自適應(yīng)紋理特征背景模型ALMPBM(Adaptive Local Mean binary Pattern Background Model);基于城市道路交叉口場(chǎng)景視頻數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn),定性及定量對(duì)比實(shí)驗(yàn)結(jié)果表明由ALMP特征構(gòu)建的ALMPBM的性能優(yōu)于GMM、ViBe、LBPBS(Local Binary Pattern Background Subtraction)、LTPBS(Local Ternary Pattern Background Subtraction)、SLPBS(Scale invariant Local Patterns Background Subtraction)和 LBSPBS(Local Binary Similarity Patterns Background Subtraction)。(4)為了解決城市道路交叉口場(chǎng)景中基于虛擬線圈的車輛重復(fù)計(jì)數(shù)及車輛跟蹤算法計(jì)算復(fù)雜度高的問(wèn)題,提出了一種基于前景時(shí)間空間圖像的城市道路交叉口場(chǎng)景中車輛計(jì)數(shù)的方法,該方法在視頻序列中設(shè)置虛擬直線VDL(Virtual Detection Line),通過(guò)在VDL上建立處理車輛緩慢行駛或短時(shí)停留和光照緩慢變化或突變的自適應(yīng)隨機(jī)樣本點(diǎn)模型來(lái)檢測(cè)車輛,從而構(gòu)成前景虛擬直線FVDL(Foreground Virtual Detection Line),由 FVDL 累計(jì)構(gòu)成前景時(shí)間空間圖像 FTSI(Foreground Time-Spatial Images),并通過(guò)處理FTSI獲得車輛的數(shù)量;基于城市道路交叉口場(chǎng)景視頻數(shù)據(jù)集進(jìn)行了對(duì)比實(shí)驗(yàn),定性及定量對(duì)比實(shí)驗(yàn)結(jié)果表明基于前景時(shí)間空間圖像的城市道路交叉口場(chǎng)景中車輛計(jì)數(shù)方法的性能優(yōu)于 TSI(Time-Spatial Images)、ETSI(Edge Time-Spatial Images)、ACC(Area Change Counting)和 TVA(Tracking Vehicle Area)。
[Abstract]:......
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陶國(guó)云;;關(guān)于城市主干道路綠波控制技術(shù)的研究[J];電子技術(shù)與軟件工程;2014年10期

2 吳志周;楊曉光;;城市道路交叉口計(jì)算機(jī)輔助設(shè)計(jì)系統(tǒng)[J];計(jì)算機(jī)輔助工程;2007年03期

相關(guān)會(huì)議論文 前2條

1 扈萬(wàn)泰;左雪梅;;城市道路交叉口的人性化設(shè)計(jì)探索[A];轉(zhuǎn)型與重構(gòu)——2011中國(guó)城市規(guī)劃年會(huì)論文集[C];2011年

2 盤佳秀;康三軍;梁玉娟;薛郁;;右轉(zhuǎn)車流對(duì)城市道路交叉口交通的影響[A];第二十一屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第八屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議暨兩岸船舶與海洋工程水動(dòng)力學(xué)研討會(huì)文集[C];2008年

相關(guān)博士學(xué)位論文 前2條

1 范宏強(qiáng);基于元胞自動(dòng)機(jī)的若干類型城市道路交叉口交通流特性研究[D];北京交通大學(xué);2015年

2 張運(yùn)勝;基于視頻的城市道路交叉口場(chǎng)景中車輛檢測(cè)方法研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 馬慧旭;城市道路交叉口瀝青路面荷載特征分析與車轍防治研究[D];東南大學(xué);2015年

2 李攀;基于動(dòng)態(tài)數(shù)據(jù)的城市道路交叉口交通需求估計(jì)研究[D];東南大學(xué);2016年

3 張一馳;城市道路交叉口貨運(yùn)車輛交通事故成因分析及預(yù)防對(duì)策[D];吉林大學(xué);2016年

4 彭飛;城市道路交叉口交通組織優(yōu)化研究[D];蘭州交通大學(xué);2016年

5 魏琳娜;城市道路交叉口安全預(yù)警研究[D];北京交通大學(xué);2012年

6 孫正;城市道路交叉口建筑形態(tài)研究[D];南京工業(yè)大學(xué);2012年

7 孫立云;城市道路交叉口事故預(yù)測(cè)模型及算法研究[D];北京交通大學(xué);2011年

8 王春梅;城市道路交叉口公交優(yōu)先信號(hào)控制技術(shù)研究[D];湖南大學(xué);2010年

9 張婉鳴;城市道路交叉口交通組織優(yōu)化設(shè)計(jì)研究[D];華南理工大學(xué);2012年

10 張紅軍;城市道路交叉口轉(zhuǎn)彎禁限研究[D];蘭州交通大學(xué);2013年

，

本文編號(hào)：2376209