高速公路拥堵事检测中的背景建模及状态判别方法研究.pdf

Study on Background Modeling and State Identification Method for Highway Congestion Event Detection A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Master of Engineering By Xu Yunfei Supervised by Associate Prof. Zhao Min and Prof. Sun Dihua Specialty: Control Science and Engineering College of Automation of Chongqing University, Chongqing, China April 2014 中文摘要 摘 要 由于场景的封闭性及行车速度高的特点，发生在高速公路的交通拥堵严重影 响其通行能力，极易引发二次事故而导致人员伤亡和严重的经济损失。作为基本 的监控手段，高速公路关键路段已安装大量的视频监控装置，传统的基于视频的 拥堵检测方法由于高速公路场景复杂、视频图像易受环境影响的问题而难以获得 满意的结果。因此，充分利用现有监控资源，研究基于视频的高速公路交通拥堵 状态判别方法对提高高速公路通行能力和运行安全具有重要的理论和实际意义。 车辆目标分割、交通参数的提取是交通拥堵判别的基础，现有基于视频的交 通拥堵状态判别对复杂环境下车辆目标分割、目标不完整时交通参数提取以及降 低交通拥堵状态判别误检测的问题鲜有研究。针对上述问题，论文在深入分析现 有交通拥堵状态判别算法的基础上，重点研究了目标提取和状态判别，包括复杂 场景下的背景建模、交通参数提取和降低交通拥堵状态判别误检测的问题，最终 形成了一套基于视频的高速公路环境下的交通拥堵状态判别方法。 在车辆目标提取方面，针对高速公路场景复杂、视频图像易受环境影响的特 点，建立了非参数核密度估计方法的背景建模，同时给出了场景光线突变和渐变 条件下的背景更新方案。此外，针对车流密度大而导致获取的背景图像质量较差 的问题，提出了基于分形维数的初始车流密度检测算法。在此基础上，利用背景 差分法和形态学的前景去噪方法提取车辆目标。实验结果表明，提出的背景建模 与更新方法能够判断初始车流密度的大小和适应背景光线的变化，从而提高了提 取出的车辆目标的准确性。 在交通拥堵状态判别方面，提出了基于模糊C 均值的拥堵状态判别方法。针 对车辆目标检测不完整而导致交通参数获取不准确的问题，通过对常用交通参数 特性的分析，提出了以平均空间占有率和时间占有率作为交通拥堵判别参数。在 此基础上，根据交通状态之间具有的模糊性，利用模糊C 均值算法来获取拥堵状 态的聚类中心，并利用欧式距离来得到当前的交通拥堵状态。此外，为了降低交 通拥堵状态的误检测，提出了基于连通域分析的误检测识别算法和基于投票机制 的拥堵判别方法，进一步提高了交通拥堵状态判别算法的准确性。 最后，综合上述研究成果，建立了高速公路交通拥堵状态判别实验系统，利 用重庆市高速公路监控场景视频，在VC 环境下进行实验验证。实验结果表明， 论文所提方法能够获得较准确的车辆目标，且仅须提取少量交通参数就能判别交 通拥堵状态，提高了高速公路复杂场景下的交通拥堵状态判别的准确性和可靠性。 关键词：拥堵判别，非参数核密度，分形维数，目标提取，连通域分析 I 重庆大学硕士学位论文 II 英文摘要