论文部分内容阅读
视频监控系统是ITS(智能交通系统)的重要组成部分,其关键技术之一是车辆检测。近年来视频监控系统在实际交通环境中的应用越来越广泛,尤其更多的应用于城市交通环境中。随着城市交通越来越繁忙以及现实需求的不断提升,现有的视频监控系统都遇到一些难题,例如:
(1)交通状况更复杂。复杂的城市道路环境使得交通视频中的车辆密度更大,车辆的行驶状况更多变,对于大部分视频监控系统,检测出这种交通视频中的车辆(可能被遮挡、处于静止状态、拍摄的角度多变等)还是个难题;
(2)对于车辆检测的功能要求更多。随着智能交通系统研究的深入,统计交通流量、平均车速等较为简单的应用已经不能满足需求,新的需求包括检测出交通视频中的车辆种类,检测十字路口中行驶的车辆姿态等。
我们通过对视频监控系统现状的分析,同时结合我们对视频监控系统目的的理解,提出了一种新的视频监控系统框架——分级和模块化的视频监控系统。在这个框架之下,本文的目的是检测交通图像中的车辆,并识别出车辆轮廓。针对交通环境的特点,我们对于交通图像分两种情况分别研究:路段场景和路口场景。对于不同的场景,我们采用不同的车辆检测方法。本文的主要工作为:
①提出一种新的分级和模块化的视频监控系统(HMSS)。该系统的出发点是我们认为现实交通世界是一个“复杂系统”,视频监控系统的任务和目的是从视觉的角度认识和理解这个复杂系统。HMSS的优势是它首先是分层的和模块化:视频监控系统各个功能模块可以根据不同的需要灵活组合;其次它是开放的:不同的研究和应用问题可以容易的加入HMSS中,这些变化不会影响到HMSS的整体结构和HMSS中的其它模块。本文工作都属于这个框架的一部分内容。
②提出一种形变模板的方法——象征活动基元模型(meaning Active Basis Model,mABM)——检测路段场景中的车辆。mABM模型是由一些Gabor小波基元组成,这些基元可以在一定范围内轻微移动位置和方向,移动的目的是使模型具有良好的形变性以适合不同形状的车辆。mABM的每个基元对应于车辆的某部分确定的轮廓,这使得mABM不仅可以检测出车辆,还可以识别出车辆轮廓。
③提出构成性形变模板(Compositional Deformable Model,CDM)方法检测路口场景中车辆。我们提出CDM方法的动机是不同类型的车辆都由同类的部件组成(车顶、车窗、挡风玻璃等)。CDM模型是由一些Gabor小波基元组成,每个基元表示车辆的某一部分。这些基元具有相同的频率、宽度和不同的长度、方向。基元的多样性是为了符合车辆不同部件间的差异,我们采用马尔可夫场表示基元之间的相对空间关系。CDM模型是一种有效的检测车辆轮廓的方法,对于车辆的不同类型、形状、大小、姿态都具有良好的适应性。
④本文中提出的车辆检测方法应用到实际系统中。我们的视频监控系统的核心技术是在各种交通场景下准确定位车辆。我们同时利用了车辆轮廓、车牌、车灯信息检测车辆。在准确定位车辆的前提下,我们的视频监控系统具有两类功能:首先是交通信息采集系统——统计道路车辆的交通流量、车道占有率、平均车速等。其次是电子警察系统——检测车辆压线行驶、闯红灯、非法变道等。