面向交通卡口图像的驾驶员违章行为视觉感知研究

发布时间：2018-12-18 04:57

【摘要】：随着我国机动车保有量的迅速增加,交通事故的发生率也在逐年提高。面对越来越难以管理的交通运输系统,智能交通技术应运而生。智能交通系统旨在利用先进的智能技术来提高道路的利用率、道路交通的安全程度和道路使用的舒适性。传统的交通管理系统主要对管理者起着监管取证的作用,而智能交通系统通过先进的科技手段对道路的使用者发挥越来越大的作用。车辆作为道路的使用主体,而驾驶员作为车辆的主导者,研究和规范驾驶员的驾驶行为对交通系统的智能化起着十分重要的作用。智能交通卡口一直是智能交通系统中的一个重要组成部分,其通过对过往车辆的及时抓拍,获取车辆和驾驶人员的信息,为治安盘查和交通监管等提供了有力的信息支撑。本文运用视觉感知技术围绕智能交通卡口抓拍的图片进行了一系列研究,包括交通卡口图像增强、驾驶员区域检测、驾驶员安全带佩戴行为分析和驾驶员打手机行为检测,并提出了相应的解决方法。这些方法能够有效地完成交通卡口图片相关处理。本文的具体工作如下：1.为了解决复杂场景下交通卡口图像质量提升问题,本文提出了一种基于自适应亮度基准漂移的交通卡口图像白适应增强方法。该方法首先针对自然交通卡口场景中经常遇到的光照和天气变化现象进行分析,特别是因交通卡口朝向不同而引起的顺逆光现象进行了研究,提出了不同环境下的图像亮度基准概念,并且从图像与光照强度、光照时间之间的相互关系入手,建立光照变化模型,然后依据模型对图像中不同亮度点选择相应的漂移参数白适应进行增强处理。该方法能够有效地对全天候自然交通场景下的卡口图像进行增强处理,为后续的目标检测和行为感知奠定了良好的基础。2.为了解决复杂场景下驾驶员区域定位问题,提出了一种基于多层次目标结构化模型的驾驶员区域检测方法。该方法为了准确找出驾驶员区域,对图像分层依次处理。第一层次为对增强后的图像进行车辆目标检测,车辆检测过程中采用了本文提出的多通道融合HOG特征,该特征对灰度域局部梯度不明显的车辆目标具有更好的检测效果。第二层次为对车辆目标中的驾驶员区域进行检测,该层次对检测出的车辆进行结构化建模,针对结构化部件提出了空间置信度和空间相关度的概念。空间置信度根据结构化部件的空间位置和空间尺寸计算得到,空间相关度通过结构化部件间的空间距离和空间方位计算得到,然后依据空间置信度和空间相关度来综合进行驾驶员区域检测。第三层次为对驾驶员行为区域进行检测,本文的驾驶员行为主要分为安全带佩戴行为和打手机行为,首先将驾驶员区域进行结构化建模,然后根据各行为区域的先验知识并结合结构化信息得到驾驶员行为的识别区。驾驶员区域检测方法为后续的驾驶员违章行为分析奠定了良好的基础。3.为了解决驾驶员安全带佩戴行为的检测问题,本文提出了一种基于离散信息整体感知的驾驶员安全带佩戴行为检测方法。该方法首先对驾驶员区域图像进行局部自适应增强处理,然后选取了边缘作为安全带的主要特征,并提出了种针对安全带边缘的自适应筛选策略,策略中采用了本文提出的邻域像素对角斜邻的概念。安全带边缘筛选后采用了感知编组技术将分裂离散的边缘进行编组,编组规则用到了本文提出的边缘梯度方向相似性、边缘连接性、边缘邻域亮度近似性特征。最后对编组后的边缘采用了基于霍夫变换的最小二乘法进行直线拟合,并对拟合直线采用本文提出的安全带置信度进行真伪决策,以实现安全带佩戴行为的检测。4.为了解决驾驶员打手机行为的检测问题,本文提出了一种基于多信息融合的驾驶员打手机行为检测方法。该方法首先根据打手机发生的位置进行ROI区域划分以去掉大部分干扰信息,然后根据ROI中各位置发生打手机的可能性计算其相应的打手机先验概率图;在对打手机行为进行判断的过程中,本文采用的是手部肤色特征,特征提取时首先分析传统椭圆模型法的特点,并提出了置信度映射椭圆模型肤色检测算法,然后将肤色置信图和先验概率图结合,得到手部肤色的最后置信度,并以此确定手部肤色候选区域。对每个手部肤色候选区域,本文采用直方图差异度、稀少度和集中度作为显著性度量指标,并提出特征级融合和通道级融合分层结合的方式来进行肤色候选区域显著性验证,以实现最后的打手机行为的感知判断。除此之外,本文对所做的工作进行了总结,并且结合本文工作的不足之处,介绍了本文后续的研究内容。
[Abstract]:......
【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：U495;TP391.41

【相似文献】