基于視頻監(jiān)控的車輛違章行為檢測方法研究.pdf

1、改革開發(fā)以來，我國經濟的飛速發(fā)展，人民生活質量的不斷提高，我國私家車的保有量與日俱增，盡管道路的里程數(shù)逐年增長，但現(xiàn)有的道路交通資源依然難以支撐當前的交通壓力，交通擁堵、交通秩序紊亂及汽車尾氣引起的大氣污染等給人們的安全便捷出行帶來了諸多不便。智能交通為未來交通的發(fā)展提供了一種新的思路，車輛違章行為檢測作為智能交通領域（ITS）炙手可熱的研究課題，對改善和緩解我國當前的交通現(xiàn)狀具有現(xiàn)實而深遠的意義。
　　論文結合現(xiàn)階段我國智能交通

2、的發(fā)展現(xiàn)狀，分析了城市交通場景下的車輛違章行為，如壓實線、違章轉彎、違章停車和違章逆行等，提出了車輛檢測、跟蹤和違章行為檢測方法，在基于OpenCV視覺庫和VS2013平臺下，對不同交通場景下的車輛違章行為進行實驗檢測，取得了較好的效果。論文圍繞對智能交通系統(tǒng)（ITS）中車輛違章行為檢測方法的研究而展開，研究了車輛檢測、車輛跟蹤算法，并根據(jù)跟蹤參數(shù)實現(xiàn)車輛違章行為的識別與檢測。主要研究內容如下：
　　①車輛檢測方面：首先，對比分析

3、了三種背景建模算法，提出了一種高效的自適應背景更新策略。然后，在光流法、幀差法和背景差分法的基礎上提出了一種快速的背景差分法來獲取前景，并通過連通區(qū)域行標記算法實現(xiàn)從前景中分離出目標車輛。最后，在兩種不同的交通場景下，對車輛進行檢測，并取得良好效果。
　?、谲囕v跟蹤方面：首先，在基于Meanshift算法、Camshift算法和Kalman濾波算法的基礎上，提出了一種結合Kalman預測、Camshift定位的多目標跟蹤算法。然后

4、，在跟蹤過程中，針對車輛被遮擋以及車輛與背景同色，分別提出了相應的解決方法。最后，在三種不同交通場景下，對該算法的跟蹤效果進行實驗，結果表明，該算法具有較好的魯棒性和實時性。
　　③車輛違章行為檢測方面：實現(xiàn)了車速與車流量的統(tǒng)計并對常見的車輛違章行為的檢測方法進行了研究。車速及車流量的統(tǒng)計是通過車輛經過感興趣區(qū)域的速度和數(shù)量來計算的。在車輛壓實線和違章逆行檢測中，通過分析對比車輛運動軌跡參數(shù)與車道線參數(shù)，實現(xiàn)了對車輛相關違章行為的