基于图像的行人闯红灯行为识别

VIP免费

3.0 侯斌 2024-11-19 4 4 2.11MB 53 页 15积分

侵权投诉

摘要

本文给出了一整套基于视频的行人闯红灯行为图像检测的方法和实现步骤，

对固定在交通路口的摄像机拍摄的视频监控图像进行分析，识别并跟踪运动的行

人，然后结合交通信号灯判断行人是否构成闯红灯行为，给出了一套完整的解决

方案，并且通过实验验证了该设计方案的可行性。

1. 针对固定摄像头拍摄的视频图像，采用自适应的混合高斯背景建模方法，

将前景和背景分离，表现在二值图像中前景为白色区域 1，背景为黑色区域 0。形

态学膨胀、腐蚀运算，剔除噪声点和运动目标内部的空洞，运用基于轮廓的连通

域查找，最终提取到运动目标。

2. 用梯度方向直方图(HOG)描述图像的基本特征，SVM 支持向量机进行分类，

实现对行人的识别。针对行人闯红灯的斑马线区域拍摄的图像中的动态目标不是

行人就是汽车的特点，正样本选为行人，负样本选为汽车，从而可以增加识别的

准确性。

3. 对识别出来的行人目标进行跟踪。通过位置、颜色、面积和轨迹平滑度相

融合的特征，构造距离矩阵，给出基于距离矩阵的跟踪匹配策略实现行人目标的

跟踪，进一步结合红绿灯交通信号，判断行人是否构成闯红灯行为。

系统实现步骤为：运动目标提取，行人识别，目标跟踪和行为判断，同时论

文整体框架按照这个步骤依次介绍运用的方法和实现的具体过程。

关键词：行人红灯混合高斯背景建模支持向量机梯度方向直方图

目标追踪图像识别

ABSTRACT

Based on the video sequence, this paper presents a recognition method and

implementation steps of pedestrians' running in the red light. Video sequence from the

camera fixed in the traffic junction is analyzed to identify and track the moving

pedestrians. Traffic lights are combined to determine whether the pedestrians are

running in the red light or not. A complete solution of this problem is proposed. The

experiments were done to verify the feasibility of the design.

1. For the video sequence captured by fixed camera, the adaptive background

modeling of mixture Gaussian is exploited to apart the foreground from the background.

In the binary image, the white area is foreground (1), the black area is background (0).

The expansion and corrosion of image are made to remove the noises and the holes

inside of the objects.

2. To achieve the recognition of pedestrians, histograms of oriented gradients

(HOG) are used to describe the image and support vector machine (SVM) is used for

the classification. Besides, the samples used for classification are from MIT database.

The positive samples are pedestrians and the negative samples are cars. To use such

positive and negative samples, mainly consider that the moving objects which cross the

zebra area are just pedestrians or cars. This arrangement may increase the accuracy of

identification.

3. To track the identified pedestrian targets, the image features of location, color,

size and trajectory smoothness are combined to construct the distance matrix. Then the

matching strategy based on the distance matrix is presented to achieve the goal of

tracking pedestrians. Further integration of traffic lights signals could be utilized to

determine whether the pedestrians run the red light or not.

System implementation steps: extract moving objects, recognize pedestrians, track

the pedestrians and judge their behaviors. At the same time, the main frame of this

thesis is according the steps to describe the methods and process of implementation.

Key Word: Pedestrians, Red light, Mixture Gaussian, Support vector

machine, HOG, Target tracking, Image recognition

中文摘要

ABSTRACT

第一章绪论 .......................................................................................................... 1

1.1 课题研究背景和意义 ............................................................................... 1

1.2 国内外研究现状 ....................................................................................... 1

1.2.1 行人检测 ........................................................................................ 2

1.2.2 目标跟踪 ........................................................................................ 3

1.2.3 智能监控系统 ................................................................................ 4

1.3 本文研究难点 ........................................................................................... 4

1.4 本文的主要工作 ....................................................................................... 5

第二章运动目标提取 ............................................................................................ 8

2.1 引言 ........................................................................................................... 8

2.2 单高斯背景建模原理 ............................................................................... 8

2.3 混合高斯背景建模 ................................................................................. 10

2.3.1 混合高斯背景建模原理 .............................................................. 10

2.3.2 混合高斯背景建模步骤 ............................................................... 11

2.4 图像形态学处理 ..................................................................................... 13

2.5 本章总结 ................................................................................................. 16

第三章行人识别 .................................................................................................. 18

3.1 引言 ......................................................................................................... 18

3.2 HOG 梯度方向直方图特征描述 ........................................................... 19

3.2.1 HOG 特征描述 ............................................................................. 19

3.2.2 实验 HOG 特征提取 ................................................................... 21

3.3 支持向量机 ............................................................................................. 22

3.3.1 支持向量机原理 .......................................................................... 22

3.3.2 SVM 行人分类 ............................................................................. 23

3.4 本章总结 ................................................................................................. 24

第四章行人目标跟踪 .......................................................................................... 26

4.1 引言 ......................................................................................................... 26

4.2 目标跟踪特征 ......................................................................................... 27

4.2.1 特征描述 ...................................................................................... 27

4.2.2 距离矩阵构造 .............................................................................. 32

4.3 跟踪匹配方法 ......................................................................................... 33

4.4 跟踪策略 ................................................................................................. 35

4.4 行人闯红灯判断 ..................................................................................... 39

4.5 本章总结 ................................................................................................. 40

第五章结论与展望 .............................................................................................. 42

5.1 研究内容及结论 ..................................................................................... 42

5. 不足与展望 ............................................................................................... 43

参考文献 ................................................................................................................ 45

在读期间公开发表的论文与承担科研项目及取得成果 .................................... 50

致谢 .................................................................................................................... 51

第一章绪论

1.1 课题研究背景和意义

伴随着我国经济的迅速发展，城市人口不断增加，机动车数量也逐年增加，

车流人流量的不断增加让本来拥堵的城市道路交通形势变得更加严峻，交通问题

不再是机动车单方面的问题，行人在交通当中的影响也变得至关重要。

在道路交通当中因行人活动范围比较大，随机性比较强，经常会发生因行人

违反交通规则而造成交通事故的现象。其中闯红灯行为最常见，也是最频繁发生

的一种行人违反交通规则的现象，不仅对行人本身存在极大的危险，而且容易引

起交通事故，阻塞道路通畅。因此为了保障道路交通安全，提高交通效率，保护

人民群众的生命安全，采取有效的措施，减少因行人闯红灯而导致的交通问题，

是一件值得研究的问题。

行人闯红灯是一种带有违法性质的行为，违反本来制定的能够最大限度保障

道路交通安全通畅的基本红绿灯规则，因此与其减少因闯红灯造成的损失，不如

从源头上抓起减少闯红灯行为现象的发生，从根本上解决问题。文献[1]中对行人

闯红灯现象进行研究，发现行人闯红灯存在从众心理，如果能够检测出发生闯红

灯行为的行人并进行提醒，以此来警告已经闯红灯和可能要闯红灯的行人，减少

闯红灯现象的发生是一种最简单有效的方式。通过对行人闯红灯现象的检测并提

醒，不仅能提高行人在道路交通当中的自觉意识，而且如果预先告知机动车司机

行人发生了闯红灯行为，还能减少交通事故的发生。通过对现有道路交通网络当

中的视频图像进行处理，实现对行人检测，并结合交通信号判断行人是否构成闯

红灯行为是一个经济有效的方法。

1.2 国内外研究现状

目前，国内部分城市道路的交通口已有安装“行人闯红灯监控报警系统”进

行实验，运用模式识别技术处理视频图像，自动判别是否有人闯红灯，系统自动

完成信号采集、图像处理、信息发布和内容存储。该系统安装在人行横道两端的

交通信号灯顶端，采用视频检测方式，实时监测行人闯红灯，并结合声音和光电

信号进行报警，当检测到行人闯红灯时发出提示。如果安装显示屏幕，还能循环

播放闯红灯行为的视频图像，起到警示提醒的作用。该系统关键技术在于视频图

像的处理，比如如何识别视频中行人，并对行人进行跟踪分析。文献[2]中介绍的

浦东交警与上海金桥共同合作研发的“行人闯红灯自动监控报警系统”，已在浦东桂

林路等交通路口试运行。

上海理工大学硕士学位论文

1.2.1 行人检测

正如文献[3]所介绍，在计算机视觉当中，行人检测一直是各类科研工作者研

究的热点和重点，现代化智能交通[4]、机器视觉[5,6]、视频监控[7]等各个领域都有重

要的作用，ICCV 和CVPR 都设立了相关研究组，深受国内外学者和研究机构的重

视，已经取得一系列学术成果。在国外，很多汽车厂商和研究所投入大量精力研

究车载行人识别系统，例如由意大利 PARMA[8]大学开发的 ARGO 智能车，欧盟资

助的 SAVE-U[9]系统和PROTECTOR[4]计划，卡耐基梅隆大学开发的智能车

NavLab[10]，MIT 的Pfinder[11]系统等，在行人识别跟踪方面都做了大量研究和应用，

并可做简单的行为分析。

在国内，有很多高校研究所参与到行人检测和行为分析的项目当中，如清华

大学文献[12]介绍的行人识别技术，还有中科院、国防科技大学等。根据使用传感

器的不同主要研究方向分为两种：一种使用普通摄像头，对拍摄的二维视频图像

处理来识别行人，另一种是使用采用多个传感器对目标进行检测，然后融合各个

传感器的数据进行处理，如雷达、红外线、普通相机等，对这些传感器得到的数

据进行分析，实现行人检测识别。

在视频当中对运动行人检测识别主要有三大关键技术：运动目标提取，行人

的特征描述，分类器分类。

(1) 运动目标提取

视频图像当中运动目标的提取可以通过以下方法实现：

帧差法[13]，即对视频图像当中相邻两帧图像做差，如果前后两个像素的差值

超过阈值，则将该像素判定为前景运动目标，否则将其判为背景。帧差法具有较

好的实时性，但是对环境噪声较为敏感，阈值对检测结果影响较大，且对于颜色

一致并且比较大的运动目标，容易产生空洞、拖影等现象，因而无法完整提取运

动目标。改进的三帧差分法[14]能够减小拖影现象带来的影响，但是仍然无法消除

光照等环境噪声的影响。

光流法[15]，首先计算视频图像光流场，用图像在平滑性约束条件下计算得到

图像序列的时空梯度来估算视频流的运动场，然后通过运动场来检测运动目标，

分割前景和背景图像，不仅能够检测到运动的目标，而且还可以分析背景的运动

情况。但是光流法对噪声比较敏感，容易受光源、阴影、遮挡等的影响，而且需

要进行大量的计算才能实现，因此实时性方面有时无法满足。

背景减除法[16]，就是将当前图像每个像素点与背景图像对应的像素点做差，

获得运动的前景目标。受到光照、天气等环境变换的影响，背景在图像当中表现

的各个坐标点的像素会缓慢地发生一定的变化，如果用一成不变的图像作为背景

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要本文给出了一整套基于视频的行人闯红灯行为图像检测的方法和实现步骤，对固定在交通路口的摄像机拍摄的视频监控图像进行分析，识别并跟踪运动的行人，然后结合交通信号灯判断行人是否构成闯红灯行为，给出了一套完整的解决方案，并且通过实验验证了该设计方案的可行性。1.针对固定摄像头拍摄的视频图像，采用自适应的混合高斯背景建模方法，将前景和背景分离，表现在二值图像中前景为白色区域1，背景为黑色区域0。形态学膨胀、腐蚀运算，剔除噪声点和运动目标内部的空洞，运用基于轮廓的连通域查找，最终提取到运动目标。2.用梯度方向直方图(HOG)描述图像的基本特征，SVM支持向量机进行分类，实现对行人的识别。针对行人闯红灯...

展开>> 收起<<

基于图像的行人闯红灯行为识别.pdf

共53页,预览6页

还剩页未读，继续阅读

基于图像的行人闯红灯行为识别

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: