基于連續(xù)視頻流的交通狀況與違章行為模式識別研究與實現.pdf

1、近年來，機動車的保有量明顯上升，交通事故也更為頻發(fā)。然而很大一部分交通事故都是因為違章行車引起的，因此對車輛行為進行檢測并給與違章者適當的教育和處罰，是減少違章行為的有效手段之一。對車輛違章行為進行檢測的傳統(tǒng)方法都是基于磁感應原理來工作。通過環(huán)形檢測線圈、交通微波檢測器、雷達測速等設備來提取交通參數的方法，在當前比較常用。上述方法有其明顯的缺點，如：安裝不方便、破壞路面、不易維護、獲取的交通信息量少等。視頻信息的特點有：直觀、具體、生動

2、、信息量大等。因此基于連續(xù)視頻流的交通狀況和違章行為分析成為國內外廣大科技人員和學者關注的重點。
　　本文首先在對常用的運動目標檢測算法進行研究分析之后，用背景差分法來獲取運動目標，并采用多幀均值背景建模方法來建立背景模型并實現背景的不斷更新。根據運動目標區(qū)域的長寬比和占空比來對運動目標進行分類，進而提取出運動車輛。
　　其次，研究分析了傳統(tǒng)的均值漂移算法在運動目標跟蹤中的應用，針對其缺點，對算法進行了改進，將卡爾曼濾波器位

3、置預測機制和窗口自適應目標大小的機制引入到運動目標的跟蹤算法中，提出了基于KF的窗口自適應MS算法。同時，本文對改進的算法的性能和跟蹤效果進行了分析，結果表明：改進的算法性能和跟蹤效果都優(yōu)于傳統(tǒng)的均值漂移算法。
　　然后，設計了基于車輛運動軌跡的車輛行為判斷和交通參數提取算法。并且，在對基于顏色的車牌定位算法和基于邊緣檢測的車牌定位算法進行研究分析后，本文將以上兩種算法結合起來進行車牌定位，即基于顏色和邊緣檢測的車牌定位算法。結果