基于视频分析的车辆智能监测技术研究

发布时间：2020-07-31 22:16

【摘要】：在我国道路交通监管领域的视频监控系统中存在着大量的视频数据,通过视频监控数据排查交通事件往往采用人工查询的方式,耗费大量的人力资源并且效率较低,不能够及时发现异常交通事件并进行处理,使得异常交通事件衍生出较为严重的交通事故,最终导致道路交通压力急剧上升影响正常的交通秩序。异常交通事件成为影响正常道路交通的主要因素,异常交通事件中正常行驶区域停车与区域拥堵事件发生频次较高。因此通过研究基于视频分析的智能监测技术对于提高监管效率、缓解当前日益严重的道路交通监管压力具有重大的意义。本文针对我国道路交通监管领域日益严峻的发展形势结合道路交通监管实际情况,利用当前交通监管系统中丰富的视频资源设计构建实时视频监测算法测算交通数据分析交通事件。从而实现一种从视频角度进行实时车辆检测与交通状态监测的技术。该项技术根据实际应用场景对目标检测算法进行优化调整提升检测算法的精准度与执行效率。构建的实时视频监测算法将目标检测、目标跟踪、交通数据计算、交通事件分析等处理技术结合进行集成,通过视频分析的方式实现对道路交通的实时监测。利用实时视频监测技术构建车辆智能监测系统,系统可分析监测区域中的车辆运行状态与区域通行状态,检测识别异常交通状态并进行预警提示实现监测路段全时段的交通状态监测。系统在角度倾斜、背光、雾霾、遮挡等视频场景检测识别效果较好,平均检测准确率高于96.15%,测算车速误差低于10%。通过实际应用场景视频测试证实实时视频监测技术在实际应用场景中的有效性。
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U495
【图文】：

图２－１帧间差分法算法处理流程图逡逑帧间差分法的检测处理速度较快，适用范围较为广泛，但该算法同间差分法难以检测提取出完整的运动目标，在两个视频帧检测处理长，或者检测目标运动的速度过快时会出现检测目标拖尾重叠的帧的处理时间间隔太短时，或者运动目标移动速度较慢时会使前后帧灰度值变化减小，导致差分运算时灰度值差值变小，误将前景目造成空洞现象。在实际的应用中可以运用前后相邻的三帧或者多帧分解决上述问题，该类处理方式是在连续的视频图像序列中取三帧７逡逑

１邋１逡逑图２－１帧间差分法算法处理流程图逡逑帧间差分法的检测处理速度较快，适用范围较为广泛，但该算法同时存在着逡逑缺点。帧间差分法难以检测提取出完整的运动目标，在两个视频帧检测处理的时逡逑间间隔过长，或者检测目标运动的速度过快时会出现检测目标拖尾重叠的现象，逡逑而在视频帧的处理时间间隔太短时，或者运动目标移动速度较慢时会使前后相邻逡逑？的两视频帧灰度值变化减小，导致差分运算时灰度值差值变小，误将前景目标判逡逑别为背景造成空洞现象。在实际的应用中可以运用前后相邻的三帧或者多帧视频逡逑桢进行差分解决上述问题，该类处理方式是在连续的视频图像序列中取三帧前后逡逑７逡逑

光流场阈值侧Ｕｊ光流场区域分割逡逑？逦图２－３光流法处理流程逡逑基于光流的运动目标检测算法对视频图像采集设备获取到的视频图像序列逡逑进行重采样以及去噪预处理后，计算出视频图像中各像素点的光流值，得出各点逡逑９逡逑

【相似文献】

相关期刊论文 前10条

1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期

2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期

3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期

4 张桂林，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报;1994年05期

5 吴雨露;张德贤;;基于深度学习的目标检测算法综述[J];信息与电脑(理论版);2019年12期

6 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期

7 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期

8 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期

9 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期

10 尚海林;;复杂场景下弱小目标检测算法的FPGA实现[J];航空兵器;2007年04期

相关会议论文 前10条

1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书（十一）——地球物理应用前沿[C];2015年

2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

7 郑伟成;李学伟;刘宏哲;;基于深度学习的目标检测算法综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

8 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

9 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年

10 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

相关博士学位论文 前10条

1 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年

2 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年

3 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年

4 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年

5 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年

6 郭明玮;基于视觉记忆的目标检测算法：一个特征学习与特征联想的过程[D];中国科学技术大学;2014年

7 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年

8 李凡;复杂背景抑制及弱小目标检测算法研究[D];西安电子科技大学;2010年

9 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院（电子学研究所）;2002年

10 崔国龙;多天线配置雷达系统的目标检测算法研究[D];电子科技大学;2012年

相关硕士学位论文 前10条

1 周立学;基于卷积神经网络的隧道目标检测算法研究[D];武汉理工大学;2018年

2 孟俊彪;基于深度学习的自进化雷达目标检测算法[D];厦门大学;2018年

3 徐天泽;RGBD图像显著目标检测算法研究[D];安徽大学;2019年

4 徐屹伟;视频显著目标检测算法研究[D];安徽大学;2019年

5 刘奎响;深度学习目标检测中样本挖掘及深层网络优化算法研究[D];安徽大学;2019年

6 李卫鹭;田间麦蜘蛛的深度学习检测研究[D];安徽大学;2019年

7 李小伟;轻量级深度学习目标检测算法研究及系统设计[D];安徽大学;2019年

8 陈志欣;基于深度学习的视频目标检测算法研究与应用[D];北方工业大学;2019年

9 鲍金玉;基于视频分析的车辆智能监测技术研究[D];北方工业大学;2019年

10 高丽清;高频地波雷达船舶目标检测算法研究[D];内蒙古大学;2018年

本文编号：2777078