交通异常视频图像检测是运用视频及图像处理和分析技术从交通视频图像中检测到含有交通异常的视频图像。它是智能交通系统的重要组成部分,它不仅能降低交通管理人员的工作强度,而且能有效提高交通管理的效率。然而,由于实际交通视频图像背景复杂,存在光照变化、目标遮挡、尺度变化、视角变化等仿射变换和噪声等干扰因素,现有的交通异常检测算法往往会受这些干扰因素的影响而变得无效。本文对基于图像局部不变特征的交通异常视频图像检测技术展开了深入研究,针对其中涉及的难点和不足,对图像局部不变特征、图像表示模型、交通异常检测算法等关键技术展开研究,主要研究工作包括:一、图像局部不变特征是交通异常视频图像检测的基础,而SIFT特征具有较好的抗光照变化、目标遮挡、尺度变化、视角变化等仿射变换和噪声影响的性能,将它用于交通异常视频图像检测能有效解决复杂交通环境的干扰所引起的问题。由于目前的交通视频图像都是彩色图像,现有的SIFT特征提取和描述方法都是将彩色图像转换为灰度图像或者是简单的将灰度图像特征提取和描述方法扩展到彩色图像,没有充分发掘和利用彩色图像各通道的相关性和互补性信息。几何代数是一个高效的数学分析与计算的工具,本文以几何代数为数学理论框架,建立了含有色彩域与空域信息的彩色图像的几何代数表示模型和计算方法,对彩色图像的色彩域和空域上的特性进行数学推导,提出了彩色图像的几何代数尺度空间构建方法。在此基础上,提出一种基于几何代数的彩色图像SIFT特征提取与描述算法。理论分析与实验结果表明所提算法比传统SIFT算法能更有效地抵抗交通图像中出现的各种仿射变换、噪声影响和压缩变换等。二、在提取图像特征的基础上对交通图像进行表示是交通异常视频图像检测的又一项关键技术。词袋模型在图像表示和分类中被广泛应用,但是,词袋模型中的特征与单词映射存在模糊不确定性,降低了基于词袋模型的图像表示算法的准确性。模糊集理论是处理模糊性和不确定性的有效的数学工具。因此,本文提出一种基于模糊集理论的词袋模型框架;在此框架下,提出基于指数型隶属度函数的模糊词袋模型和基于高斯型隶属度函数的模糊词袋模型。理论分析和实验结果表明所提算法能有效提高词袋模型在图像表示上的准确性。三、模糊几何运用几何理论与方法解决模糊问题,兼具模糊集理论和几何理论的优点。针对交通图像表示算法中的模糊不确定性问题,本文在高维模糊几何空间上定义了模糊特征点、模糊视觉单词、模糊视觉词典以及模糊相似性度量等,构建了基于高维模糊几何的图像表示模型,在此模型基础上,提出了基于模糊几何的SPM算法和基于模糊几何的LLC算法。理论分析和实验结果表明所提算法在交通图像表示上的有效性,且比传统SPM算法和LLC算法具有更好的图像表示准确性。四、传统交通异常检测算法在背景复杂、光照变化、尺度变化、几何变化、目标遮挡等情况下性能欠佳,而基于局部不变特征的图像表示算法能有效的抗光照变化、尺度变化、几何变化、遮挡等干扰。因此,本文提出一种基于图像表示算法和高斯模型的交通异常检测算法。首先采用视频图像分块技术和图像不变特征来表示图像,然后提出了一种能反映交通状况的交通参数,在此基础上,通过极大似然估计建立正常交通状况的高斯分布模型,并用它进行交通异常视频图像检测。实验结果表明,本章所提算法能有效检测交叉路口和城市主干道的交通异常。所提算法无需进行交通目标检测和跟踪,无需形成轨迹,因此,它不会因为目标检测或跟踪失败而受到影响;而基于图像局部不变特征的图像表示保证了所提算法具有抗亮度变化、尺度变化、几何变化、遮挡等仿射变换和噪声影响。