交通路口异常事件检测及识别技术研究

发布时间：2022-01-21 16:39

　　交通路口异常事件是影响交通正常运行的重要因素,且交通路口作为公共出行集中度较高位段,公共安全事件的发生影响范围广。随着城市发展和生活水平的逐步提高,快速的城市化过程,使得北京迅速成为排名世界前20位的超大型城市。但是,同样随着城市的发展和机动车量的迅速增加,城市交通环境急剧恶化,交通拥堵成为城市的常态,据统计60%-70%交通拥堵受到交通事故的影响。本课题研究为交通路口异常事件检测和识别提供了研究思路,为交通路口异常事件类型识别提供了技术支撑,对于交通路口异常事件的及时发现、及时处理能够减少或疏解交通拥堵情况有重要意义。能够提高相关部门针对异常事件的及时性反馈和救援效率,避免危害事件的扩大化,有效的减少人民生命财产安全受到的危害。基于视频的事件检测作为一种快速、无损、高效的检测方法,成为交通监控异常事件的主要手段。由于交通环境复杂,影响交通运行条件多样,基于视频的自动化检测方法并不完善,主要存在如下问题:1)大多数交通异常事件的检测,只能够检测到异常事件的发生,而并不能识别交通异常事件发生的类型,难以实现异常事件的快速处理和反馈;2)现有的交通异常事件一般注重交通车辆的运行而忽略了行人... 

【文章来源】：中国矿业大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：142 页

【学位级别】：博士

【部分图文】：

图１．３目标识别框架??

图１．４双峰阈值法??Ｆｉ．?１．４?Ｂｉｍｏｄａｌ?ｔｈｒｅｓｈｏｌｄ?ｍｅｔｈｏｄ??

图１．６低秩纹理示例??．．－

【参考文献】：
期刊论文
[1]基于条件先验人体模型的人体姿态估计[J]. 赵勇,巨永锋.  计算机工程与应用. 2018(16)
[2]改进人工蜂群优化的K均值图像分割算法[J]. 李海洋,何红洲.  智能计算机与应用. 2018(03)
[3]结合有序光流图和双流卷积网络的行为识别[J]. 李庆辉,李艾华,王涛,崔智高.  光学学报. 2018(06)
[4]基于分层的直觉模糊C均值聚类图像分割算法[J]. 池桂英,王忠华.  计算机工程与设计. 2017(12)
[5]基于中粒度模型的视频人体姿态估计[J]. 史青宣,邸慧军,陆耀,田学东.  自动化学报. 2018(04)
[6]基于梯度和光流统计特性的人体行为识别[J]. 张飞燕,李俊峰,沈军民.  光电子·激光. 2015(08)
[7]基于同态滤波和K均值聚类算法的杨梅图像分割[J]. 徐黎明,吕继东.  农业工程学报. 2015(14)
[8]基于空间模糊C均值与区域生长的腹部CT序列图像肾脏自动分割[J]. 王晓红,赵于前,廖苗,刘苗苗.  中南大学学报(自然科学版). 2014(10)
[9]改进二维直方图区域划分的阈值分割方法研究[J]. 李淼,杨恢先,张建波,周彤彤,谭正华.  光电子.激光. 2013(07)
[10]基于光流特征与序列比对的实时行为识别[J]. 冯波,赵春晖,杨涛,张洪才,程咏梅.  计算机应用研究. 2007(03)

硕士论文
[1]基于视频分析处理的高清视频电子警察系统的应用研究[D]. 张翼.复旦大学 2011



本文编号：3600614