基于改进YOLOv3面向监控视频的车辆违规停留检测研究
发布时间：2021-06-18 12:53
近年来随着大数据、人工智能等新一代信息技术的迅猛发展,智能交通系统在全球范围内得到广泛应用和普及。这是由于该系统能够降低人力成本、规避人为操作失误,可以自动识别异常情况。当前城市车辆数量不断增加,交通拥堵现象较为严重,为了监控异常情况,一般会选择在公共场所布置监控设备。但少量司机仍在禁停区停车,造成道路拥挤更为严重。智能停车检测技术能够充分发挥智能交通系统的监控作用,对改善交通环境、应对道路拥堵具有重要作用。但当前监控系统仍主要采用人工对比和核查的方式,需工作人员全天候守在监控屏前,不仅造成人力资源浪费,也容易出现人为失误,所以充分发挥智能停车检测技术作用具有重要意义。本论文对室外监控视频中的停车检测算法进行分析,指出现阶段主要监测算法在使用过程中面临的不足:如未考虑阴影干扰;在静止目标检测时,对车辆短时间停留难以检测;以几何外形的方式研判前景物体是否为车辆,造成检测精准度不高。本论文总结室外监控视频停车检测技术相关的理论,梳理当前视频停车检测实践中存在的技术难点,对现有停车检测算法作出改进。本论文对停车检测算法进行分析,主要研究工作包括以下五个方面::1、提取前景目标。在提取前景目标...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１停车检测应用场景示意图??
?第２章相关理论及技术介绍???（?开始?）??读入视频?ｙ／??视频预处理??前动目夺示检???????］?［???静止目夺示检测??车辆检测??静止拾测??ｍｍ?）??图２－１停车检测流程图??本章节探讨各阶段检测在本文中的具体算法和对应技术。２．２节表述基于混??合高斯模型的前景目标提取方式，并对目标进行阴影检测，对模型构建、前景运??动目标检测等进行介绍。２．３节主要介绍四种效果较好的静止目标检测方式，对现??有的主要算法进行比较和研究。２．４节总结目前几种常见的图像相似度检测算法。??２．５节探讨几种常见车辆检测算法之间的差异，分析各算法特征，介绍对应模型，??总结不同算法的对应优缺点。２．６节为本章研究内容的小结。??２．２基于混合高斯模型的前景运动目标提取??从背景中检测运动目标（前景）是各种视频分析和运动跟踪应用的关键组成??部分。虽然运动物体或前景的概念对人类的感知是微不足道的，但在计算机视觉??领域，它通常被视为一个具有挑战性的问题。这里，术语前景是指在视频序列中??不固定的任何对象。然而，图像场景中的运动也可能是由摄像机而不是物体本身??引起的，这使得前景提取问题在不受控制的环境中成为一个非常重要的问题。在??现有的文献中可以找到不同的前景检测技术，可分为两大类：一类是基于背景建??８??
?第２章相关理论及技术介绍???禮ＪＢ??ａ）视频巾贞图像?ｂ）背景巾贞图像?ｃ）則景运动目标图像??图２－２前景运动目标提取７Ｋ意图??２．２．３混合高斯模型的更新??在混合高斯模型实际运用过程中，为提高使用效果，满足实际运用需要，需??对模型进行持续更新，这是由于相应的外界条件也处在持续变化中，如天气环境??等出现变化，因此需提高模型自我适应外在变化的水平。可以假设（Ｘ，ｙ）像素??处的均值为叫ｔ，方差为＜ｔ，权重为ｗａ。通过计算进行更新的公式为（２－７），??通过计算进行更新的公式为（２－８），＆通过计算进行更新的公式为（２－９），０??通过计算进行更新的公式为（２－１０），其中《和０分别表示权值和均值更新速率。??Ｗｉ．ｆ?＝?（１?－?ｃｃ）ｗｉｔｆ＿ｘ?＋?ａ?（２－７）??ｕｉ，ｆ?＝?（１?－?＋?ＰＸｉ，ｆ?（２－８）??ａｉ，ｔ?＝?（１?￣?－?ｕｉ，ｊ）?（ｘｉ，ｔ?－?ｕｉ，ｔ）?（２－９）??／？?＝?ａｒ］（ｘｉｉｔ＼＾ｔｉｉ，ａｉｘ）?（２－１０）??２．２．４运动目标的阴影检测??尽管上文提出混合高斯模型能够从较为复杂的背景中完成检测，获得对象??运动轨迹，并可根据光照、气候等外部条件变化作出自适应的变化。但所形成的??前景运动目标中可能会存在一定阴影，为提升检测准确率，需对其中的目标阴影??进行去除，通常可采取以ＨＳＶ颜色空间为基础的检测方式，对运动目标对应的阴??影进行检测。ＨＳＶ颜色空间［２４］具有非常接近人体色觉空间的特征，是学者??Ａ．Ｒ。Ｓｍｉｔｈ?（１９７８）经过长期研究，基于颜色特性所提出的，并在颜色空间模型??１１??
【参考文献】：
期刊论文
[1]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
本文编号：3236695
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１停车检测应用场景示意图??
?第２章相关理论及技术介绍???（?开始?）??读入视频?ｙ／??视频预处理??前动目夺示检???????］?［???静止目夺示检测??车辆检测??静止拾测??ｍｍ?）??图２－１停车检测流程图??本章节探讨各阶段检测在本文中的具体算法和对应技术。２．２节表述基于混??合高斯模型的前景目标提取方式，并对目标进行阴影检测，对模型构建、前景运??动目标检测等进行介绍。２．３节主要介绍四种效果较好的静止目标检测方式，对现??有的主要算法进行比较和研究。２．４节总结目前几种常见的图像相似度检测算法。??２．５节探讨几种常见车辆检测算法之间的差异，分析各算法特征，介绍对应模型，??总结不同算法的对应优缺点。２．６节为本章研究内容的小结。??２．２基于混合高斯模型的前景运动目标提取??从背景中检测运动目标（前景）是各种视频分析和运动跟踪应用的关键组成??部分。虽然运动物体或前景的概念对人类的感知是微不足道的，但在计算机视觉??领域，它通常被视为一个具有挑战性的问题。这里，术语前景是指在视频序列中??不固定的任何对象。然而，图像场景中的运动也可能是由摄像机而不是物体本身??引起的，这使得前景提取问题在不受控制的环境中成为一个非常重要的问题。在??现有的文献中可以找到不同的前景检测技术，可分为两大类：一类是基于背景建??８??
?第２章相关理论及技术介绍???禮ＪＢ??ａ）视频巾贞图像?ｂ）背景巾贞图像?ｃ）則景运动目标图像??图２－２前景运动目标提取７Ｋ意图??２．２．３混合高斯模型的更新??在混合高斯模型实际运用过程中，为提高使用效果，满足实际运用需要，需??对模型进行持续更新，这是由于相应的外界条件也处在持续变化中，如天气环境??等出现变化，因此需提高模型自我适应外在变化的水平。可以假设（Ｘ，ｙ）像素??处的均值为叫ｔ，方差为＜ｔ，权重为ｗａ。通过计算进行更新的公式为（２－７），??通过计算进行更新的公式为（２－８），＆通过计算进行更新的公式为（２－９），０??通过计算进行更新的公式为（２－１０），其中《和０分别表示权值和均值更新速率。??Ｗｉ．ｆ?＝?（１?－?ｃｃ）ｗｉｔｆ＿ｘ?＋?ａ?（２－７）??ｕｉ，ｆ?＝?（１?－?＋?ＰＸｉ，ｆ?（２－８）??ａｉ，ｔ?＝?（１?￣?－?ｕｉ，ｊ）?（ｘｉ，ｔ?－?ｕｉ，ｔ）?（２－９）??／？?＝?ａｒ］（ｘｉｉｔ＼＾ｔｉｉ，ａｉｘ）?（２－１０）??２．２．４运动目标的阴影检测??尽管上文提出混合高斯模型能够从较为复杂的背景中完成检测，获得对象??运动轨迹，并可根据光照、气候等外部条件变化作出自适应的变化。但所形成的??前景运动目标中可能会存在一定阴影，为提升检测准确率，需对其中的目标阴影??进行去除，通常可采取以ＨＳＶ颜色空间为基础的检测方式，对运动目标对应的阴??影进行检测。ＨＳＶ颜色空间［２４］具有非常接近人体色觉空间的特征，是学者??Ａ．Ｒ。Ｓｍｉｔｈ?（１９７８）经过长期研究，基于颜色特性所提出的，并在颜色空间模型??１１??
【参考文献】：
期刊论文
[1]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
本文编号：3236695
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3236695.html
