道路交通异常事件检测及关键帧提取算法研究

发布时间：2017-08-19 02:25

  本文关键词：道路交通异常事件检测及关键帧提取算法研究

  更多相关文章： 道路交通 异常事件检测 关键帧 帧间相关性 相关系数

【摘要】：在智慧交通建设过程中,道路交通异常事件的有效检测和关键帧的有效提取已成为道路监控中需要攻克的重、难点。目前,交通异常检测中模式识别、统计理论、人工智能、小波、动态交通模型等方法与关键帧提取中基于聚类、运动分析、基于内容、镜头边界的方法,都需要经过复杂的数学建模再分析。本文针对道路交通监控视频特点,研究无需建模的道路交通异常事件和关键帧提取算法。研究内容包含:(1)针对高速路上停车异常事件,研究基于相关性和k-mediods聚类分析算法结合的道路交通异常事件检测,算法首先将道路监控视频中将视频信息处理为可分析的图像信息,然后对一段时间内的平均图像帧通过相关性算法与预先设定的阈值比较,识别存在停车行为的时间段,再针对这段时间的图像帧序列使用k-mediods算法分析最具代表的图像帧。实验表明此算法能有效检测高速路上停车异常事件。(2)研究基于不同图像帧之间相关性的道路交通监控视频关键帧提取算法,首先将视频流信息转化为可用于分析的图像帧基本信息,再利用不同图像帧之间相关性R(k,l)与当前关键帧自相关性R(k)的判别函数g(Fk,Fl)判断其是否为关键帧。为减少帧冗余度,结合滑动窗口机制对算法进行改进。实验表明此算法能提取出有效的、与视觉观察一致的关键帧,通过引入滑动窗口机制减少关键帧冗余。(3)结合相关系数理论,研究道路交通中关键帧的提取算法,先获取可用于算法分析的图像帧信息,再利用当前帧Fl和当前关键帧的相关系数r(k,l)与关键帧相关系数r(k)的判别函数f(Fk,Fl)判断其是否为关键帧,同时结合滑动窗口机制进行了改进。实验表明其能提取符合视觉特性的关键帧,在利用滑动窗口改变后减少了关键帧冗余度。(4)针对相关系数的关键帧提取算法,提出基于欧式距离的不同视频帧间差异性的关键帧有效性评价方法,利用两个关键帧之间的相似性(欧式距离)表示两帧图像之间差异,评价选取的关键帧是否为最佳关键帧。实验表明其评价本文提出的关键帧算法和视觉观察最佳关键帧结果一致。本文创新点:(1)提出基于相关性和k-mediods聚类分析算法结合的道路交通异常事件检测算法;(2)提出基于帧间相关性及改进的道路交通监控关键帧提取算法;(3)结合相关系数理论,提出并改进道路监控视频关键帧提取算法;(4)提出基于帧间差异性的关键帧有效性评价方式。
【关键词】：道路交通 异常事件检测 关键帧 帧间相关性 相关系数
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 研究目的与意义10-12
• 1.2 国内外研究现状12-17
• 1.2.1 视频监控系统12-13
• 1.2.2 交通异常事件检测13-15
• 1.2.3 关键帧提取15-17
• 1.3 本文主要工作及组织结构17-20
• 1.3.1 本文主要内容17-18
• 1.3.2 本文组织结构18-20
• 第二章 本文相关定义与理论20-24
• 2.1 交通异常事件20
• 2.2 k-mediods聚类分析算法20-21
• 2.3 关键帧21
• 2.4 相关性21-22
• 2.5 相关系数22-23
• 2.6 本章小结23-24
• 第三章 基于相关性与k-mediods的交通异常检测24-37
• 3.1 算法提出24-25
• 3.2 算法流程25-31
• 3.2.1 算法总流程25-26
• 3.2.2 检测异常事件流程26-28
• 3.2.3 基于k-mediods的异常事件图像帧提取流程28-31
• 3.3 相关说明31-33
• 3.3.1 基于相关性的道路异常事件检测31-32
• 3.3.2 基于k-mediods的异常图像帧提取32-33
• 3.4 实验结果与分析33-36
• 3.5 本章小结36-37
• 第四章 基于帧间相关性及改进的道路交通监控视频关键帧提取37-48
• 4.1 算法提出37-38
• 4.2 算法流程38-40
• 4.3 算法相关说明40-41
• 4.3.1 道路交通监控视频图像帧预处理40
• 4.3.2 道路交通监控视频图像帧相关性40-41
• 4.3.3 道路交通监控视频关键帧判别41
• 4.4 算法改进41-43
• 4.5 实验结果与分析43-47
• 4.6 本章小结47-48
• 第五章 基于相关系数及改进的道路交通监控视频关键帧提取48-60
• 5.1 算法提出48-49
• 5.2 算法流程49-50
• 5.3 算法相关说明50-52
• 5.3.1 道路交通监控视频图像帧预处理50
• 5.3.2 道路交通监控视频关键帧判别50-52
• 5.4 算法改进52-53
• 5.5 实验结果与分析53-56
• 5.6 关键帧有效性评价分析56-59
• 5.6.1 基于帧间差异性的关键帧有效性评价方法56-57
• 5.6.2 关键帧有效性分析57-59
• 5.7 本章小结59-60
• 第六章 总结与展望60-62
• 6.1 总结60-61
• 6.2 展望61-62
• 参考文献62-67
• 致谢67-68
• 攻读学位期间发表的学术论文目录68

【相似文献】

中国期刊全文数据库 前10条

1 雷少帅;曹长青;古峗;谢刚;;基于时空切片的关键帧提取研究[J];太原理工大学学报;2012年03期

2 张婵,高新波,姬红兵;视频关键帧提取的可能性C-模式聚类算法[J];计算机辅助设计与图形学学报;2005年09期

3 唐朝伟;王恒;唐晖;赵贞贞;周旭;;动态时域检测窗口的快速关键帧提取方法[J];重庆大学学报;2011年12期

4 王灿灿;李金屏;;基于视觉注意模型和互补性融合的关键帧提取[J];济南大学学报(自然科学版);2014年02期

5 詹永照;汪满容;柯佳;;基于人工免疫有序聚类的视频关键帧提取方法[J];江苏大学学报(自然科学版);2012年02期

6 方勇,戚飞虎;一种新的视频镜头边界检测及关键帧提取方法[J];华南理工大学学报(自然科学版);2004年S1期

7 周兵;郝伟伟;袁社锋;;一种适合于监控视频内容检索的关键帧提取新方法[J];郑州大学学报(工学版);2013年03期

8 蔡美玲;邹北骥;辛国江;;预选策略和重建误差优化的运动捕获数据关键帧提取[J];计算机辅助设计与图形学学报;2012年11期

9 吴开兴;沈志佳;;三维蚁堆算法在视频关键帧提取中的应用[J];河北工程大学学报(自然科学版);2014年01期

10 杨强;黄地龙;马森;;利用自适应阈值的聚类算法实现关键帧提取[J];苏州科技学院学报(工程技术版);2007年01期

中国重要会议论文全文数据库 前5条

1 董晨晨;张静梅;;一种基于仿射传播聚类的关键帧提取方法[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

2 张维刚;黄庆明;何辉;王孝朋;高文;;一种无监督的视频关键帧提取方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 顾家玉;覃团发;;一种基于宏块类型和运动向量的关键帧提取方法[A];2009年中国高校通信类院系学术研讨会论文集[C];2009年

4 张铁林;李周贤;王纯;贾克斌;;视频信息结构化处理与应用系统建立[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

5 黄栋;赖剑煌;王昌栋;;基于帧预选策略及AP算法的关键帧提取方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

中国博士学位论文全文数据库 前3条

1 孙中华;基于内容的视频结构分析与摘要方法研究[D];吉林大学;2007年

2 雷少帅;基于内容的视频检索关键技术研究[D];太原理工大学;2012年

3 钟_，

本文编号：698149