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】

相关期刊论文 前10条

1 王毅;李延雷;胡大勇;;图像Inpainting技术原理及在包装印刷图像处理中的应用[J];包装工程;2006年02期

2 闫苗苗;郑元林;戚永红;;基于感兴趣区域图像眼动数据库的建立[J];西安理工大学学报;2014年01期

3 宫山,,卢凌;扫描仪输出图像信号的计算机处理[J];中国仪器仪表;1995年02期

4 计文平;沈兰荪;;基于感兴趣区的图像多描述编码[J];北京工业大学学报;2007年02期

5 曾春平,钱晓凡;扫描仪输出失真图像的计算机处理[J];重庆工学院学报;2005年05期

6 陈家新,王国强,王跃明;使用遗传算法对图像进行恢复[J];洛阳工学院学报;2000年02期

7 杨飚;李锡放;张曾科;;纹织图像分色算法研究[J];制造业自动化;2012年09期

8 陈卓,陈海清;矢量码坐标法激光扫描及图像失真分析[J];华中科技大学学报;2001年05期

9 陈源源;新型数字扫描转换及折射引起的图像失真的实时校正系统[J];仪器仪表用户;2002年03期

10 原玉磊;席靓;郑勇;;Alta U9000图像数据由16位到8位的转换[J];海军航空工程学院学报;2012年03期

相关会议论文 前1条

1 吴庆畅;陈跃斌;赵波;文永华;;一种基于图像内容的易损水印算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

相关重要报纸文章 前3条

1 阿正;用你拍摄的图像设置墙纸[N];江苏经济报;2003年

2 华西医科大学附属第一医院 韩蔚;急诊CT影像的获取和通讯系统[N];中国高新技术产业导报;2001年

3 山东 颜士宗;大屏幕电视的最佳视距[N];电子报;2007年

相关博士学位论文 前10条

1 卢记仓;图像隐写检测特征分析及隐写算法识别[D];解放军信息工程大学;2014年

2 刘红;融合压缩感知的图像安全的研究[D];重庆大学;2016年

3 刘操;面向交通卡口图像的驾驶员违章行为视觉感知研究[D];武汉大学;2016年

4 曾宪庭;基于图像的无损信息隐藏技术研究[D];浙江大学;2010年

5 李名;信息熵视角下的密文图像信息隐藏研究[D];重庆大学;2014年

6 李智;图像数据中的隐藏信息检测技术研究[D];四川大学;2004年

7 杨航;图像反卷积算法研究[D];吉林大学;2012年

8 马吉权;基于图像表面视觉恢复技术的焊点质量检测方法研究[D];哈尔滨工业大学;2010年

9 冯欣;基于视觉显著性的网络丢包图像和视频的客观质量评估方法研究[D];重庆大学;2011年

10 曹卫兵;基于数字图像的信息隐藏技术研究[D];西北工业大学;2003年

相关硕士学位论文 前10条

1 骆骁;视觉密码在证件防伪中的应用研究[D];延边大学;2015年

2 季福增;基于AIS和SAR的舰船同步检测研究[D];大连海事大学;2015年

3 刘慧兴;图像信息隐藏并行检测技术的研究[D];南京理工大学;2015年

4 孙平;基于FPGA的静态彩色图像压缩系统的设计与实现[D];成都理工大学;2015年

5 王一江;碟式太阳能聚光系统光斑质量分析技术[D];浙江工业大学;2015年

6 李丹丹;图像密文域可逆信息隐藏技术的研究[D];合肥工业大学;2015年

7 苏金阳;JPEG图像隐写分析算法研究[D];中国计量学院;2015年

8 利祥;压缩域图像可逆信息隐藏[D];浙江大学;2016年

9 丘启敏;基于显著性的林火火焰识别[D];北京林业大学;2016年

10 胡玉;车载图像系统中的全景影像的校正与拼接[D];吉林大学;2016年



本文编号:2385381

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/2385381.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户79391***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com