基于图像处理的车辆异常行为分析研究

发布时间：2020-10-30 19:47

　　 在国家经济高速发展的同时,道路上的车流量也是逐年增加。我们在享受汽车的便捷时,频繁发生的道路交通事故却时刻威胁着我们的安全,交通安全问题已经上升至全人类层面。然而大部分的交通事故都由车辆的异常行为引起,目前的道路视频监控系统主要用于交通事故发生后的取证,并在很大程度上依赖人工搜索,导致交通事故只能进行事后处理而不是早期预防。为了规范机动车的驾驶行为并减少交通事故,对交通视频监控中车辆异常行为的检测,已逐渐成为智能交通领域的研究热点。本文以交通异常行为的分析为主要方向,针对交通监控系统中的驾驶员不系安全带行为、车辆使用假牌行为和车辆轨迹违章行为进行了讨论研究,并针对三类异常行为的检测制定了对应解决方案。本文工作如下:(1)在安全带检测方面,提出了一种基于深度学习的汽车驾乘人员安全带检测算法,以双网络级联的方式快速定位和检测安全带。通过Faster RCNN卷积神经网络分别针对车窗区域和主驾驶区域训练两个检测器,实现从车窗到主驾驶区域的逐级定位。同时,针对AlexNet网络结构进行了优化,然后利用改进的AlexNet深度卷积网络训练一个二元分类器,对定位到的主驾驶区域进行安全带的检测判定。通过实验数据可知本章所用的安全带检测算法的效果较好,并且系统的鲁棒性较高。(2)在使用假牌行为的检测方面,设计了车牌定位、车牌识别和假牌套牌检测的一整套系统,并针对假牌和套牌检测提出了三个判定标准。首先对传统Adaboost算法的权重更新进行优化,可有效防止分类模型的过拟合,然后提取目标区域的HOG特征来训练改进的Adaboost分类器,完成由车头到车牌的逐级定位。对定位到的车牌预处理后,利用八连通域结合垂直投影法实现字符的精确分割,再利用改进的Adaboost分类器结合字符的轮廓和结构特征完成车牌识别。最后通过车牌信息比对、车身颜色比对和基于网格化监控的时空关系分析,三个判定标准来实现对假牌车和套牌车的检测。(3)在车辆轨迹违章方面,使用KCF算法实现目标的快速跟踪,然后针对车辆逆行、违章变道和违章掉头这三类违章行为,提出了基于车辆轨迹分析的判别标准。在车辆跟踪阶段,利用循环矩阵将矩阵的运算转化为DFT的点积运算,大幅度降低了运算量,提高目标跟踪的效率。然后利用核函数技巧将低维度非线性函数映射成高维度线性函数,使目标特征变得线性可分。通过实验对比了四种跟踪算法的准确率和跟踪误差。在获取车辆轨迹点后对轨迹坐标进行分析,利用Hough变换实现车道线和车辆轨迹的直线拟合。最后通过分析轨迹坐标与车道线之间的关联性,来实现对三类车辆违章行为的检测判定。
【学位单位】：中国计量大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;U495
【部分图文】：

安全带检测框架图

全连接和局部连接结构图

图 2.3 下采样层原理图设输入层大小为 4×4，卷积核大小为 2×2，滑动步长为 2，则卷积核分入层的 4 个 2×2 区域分别卷积，最终获得 2×2 的输出层。可以看到通样操作，能够大大减少模型的参数。下采样的计算如公式 2-1 所示：
【相似文献】

相关期刊论文 前10条

1 蒋焰;丁晓青;;基于多步校正的改进AdaBoost算法[J];清华大学学报(自然科学版)网络.预览;2008年10期

2 李军;闫佳佳;;基于KELM-AdaBoost方法的短期风电功率预测（英文）[J];控制工程;2019年03期

3 王伦;;Adaboost-SVM多因子选股模型[J];经济研究导刊;2019年10期

4 叶晓波;秦海菲;吕永林;;一种改进的Adaboost-BP算法在手写数字识别中的研究[J];大理大学学报;2019年06期

5 严智;张鹏;谢川;张钰林;李保军;;一种快速AdaBoost.RT集成算法时间序列预测研究[J];电子测量与仪器学报;2019年06期

6 李闻;王显博;;基于Adaboost算法的人脸检测的研究[J];中外企业家;2019年26期

7 李伟;严珂;陆慧娟;叶敏超;;基于Adaboost.RT算法的隧道沉降时间序列预测研究[J];中国计量大学学报;2019年03期

8 王玲娣;徐华;;AdaBoost的多样性分析及改进[J];计算机应用;2018年03期

9 杜瑞超;华继学;翟夕阳;李志鹏;;基于改进Real AdaBoost算法的软件可靠性预测[J];空军工程大学学报(自然科学版);2018年01期

10 王玲娣;徐华;;一种基于聚类和AdaBoost的自适应集成算法[J];吉林大学学报(理学版);2018年04期

相关博士学位论文 前10条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 Ebenezer Owusu;[D];江苏大学;2014年

3 习文星;移动背景下视觉的行人检测、识别与跟踪技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

4 卢金娜;基于优化算法的径向基神经网络模型的改进及应用[D];中北大学;2015年

5 卢岩;交通监控中的运动人体目标检测与跟踪[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

6 王小明;可变光照下人脸检测与识别研究[D];华东师范大学;2010年

7 孙元;多媒体语义检索关键问题研究[D];吉林大学;2010年

8 王颖;成熟microRNA识别及其功能预测方法研究[D];哈尔滨工程大学;2016年

9 吴暾华;面向中医面诊诊断信息提取的若干关键技术研究[D];厦门大学;2008年

10 高常鑫;基于上下文的目标检测与识别方法研究[D];华中科技大学;2010年

相关硕士学位论文 前10条

1 赵晋川;融合AdaBoost和GRU方法的地质分层识别研究[D];华北电力大学(北京);2019年

2 赵云红;基于Adaboost改进的BP神经网络地表沉陷预测研究[D];西安科技大学;2019年

3 王强;基于AdaBoost回归树的电网基建投资模型研究[D];电子科技大学;2019年

4 王珊珊;基于AdaBoost和ELM的语音情感识别研究[D];天津师范大学;2019年

5 郑伟华;基于MCP惩罚的AdaBoost集成剪枝技术的研究[D];江西财经大学;2019年

6 陈天昕;基于AdaBoost与SVM集成算法的高炉炉温状态解析[D];江西财经大学;2019年

7 刘树灿;基于BP_Adaboost算法的轨面状态识别研究[D];湖南工业大学;2019年

8 周靖;基于机器学习的《红楼梦》作者问题研究[D];云南大学;2018年

9 邓颀;人脸检测技术的研究与实现[D];杭州电子科技大学;2016年

10 杨凯杰;基于图像处理的车辆异常行为分析研究[D];中国计量大学;2018年

本文编号：2862928