基于視頻圖像的交通要素感知與行為理解.pdf

1、目前,我國將積極探索應(yīng)用新技術(shù)提高交通運輸系統(tǒng)的運行和管理效率的交通運輸方式,智能交通系統(tǒng)(Intelligent Traffic System,ITS)就是其中之一。它不僅僅使交通運輸變得更加高效、安全,而且使我們的信息交流手段變得更加便捷。同時,基于視頻圖像的交通事件的語義理解正被越來越多的學(xué)者所關(guān)注,但是基于視頻圖像處理技術(shù)的交通信息采集技術(shù)還有待進(jìn)一步改進(jìn)和完善;交通事件理解的建模方式和識別方法都還有待進(jìn)一步的提高。本文正是基于

2、以上背景,對交通事件的語義理解中的交通要素感知和行為理解過程做了進(jìn)一步研究。
　　首先針對語義理解中提出的方法與手段,對事件類型的依賴較強,通用性和一般性不好的問題做了進(jìn)一步探索,包括:從框架模型角度對交通事件進(jìn)行分析;根據(jù)交通事件特點,把視頻中的底層特征進(jìn)行總結(jié)并分為兩種:靜態(tài)特征和動態(tài)特征;根據(jù)邏輯化的自然約束語言(Natural Constraint Language,NCL)的規(guī)則,給出了交通事件的語義表達(dá)形式,同時給出了

3、實現(xiàn)對交通事件語義理解的整體流程框架。
　　然后針對靜態(tài)特征中的現(xiàn)有車型識別方法的準(zhǔn)確性和實時性不能同時滿足要求的情況,本文提出復(fù)合的圖像匹配模型與識別方法,即:先應(yīng)用Harris角點對車型初分類,再應(yīng)用SIFT特征進(jìn)行細(xì)分類,該方法在保證識別準(zhǔn)確性基本不變的情況下,較大地縮短了處理時間。
　　在各種底層特征獲取之后,按基本語義單元、基礎(chǔ)語義事件和高級語義事件的順序?qū)煌ㄊ录M(jìn)行理解。最后通過模式識別方法,對高級語義事件建立