智慧型交通中基於移動視頻的目標快速識別方法研究

《智慧型交通中基於移動視頻的目標快速識別方法研究》是依託中國海洋大學，由紀筱鵬擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：智慧型交通中基於移動視頻的目標快速識別方法研究
• 項目類別：青年科學基金項目
• 項目負責人：紀筱鵬
• 依託單位：中國海洋大學

中文摘要

基於車載視頻的智慧型交通系統中，對前方車輛、交通標誌等目標的實時檢測與跟蹤對於車輛安全駕駛、無人駕駛等具有重要意義，本課題擬對移動視頻中目標的檢測與識別方法進行探討。第一，擬對複雜環境下的目標定位方法進行研究，擬通過分析視頻中不同目標運動的光流特徵，對在時間域上分布的特徵軌跡進行跟蹤。第二，擬根據背景運動特徵和目標運動特徵研究基於視點的運動機率模型，討論運用隱馬爾可夫模型將目標從背景中分離出來的方法，並對其進行機率跟蹤。第三，擬研究融合圖像聚類分割和形狀分析技術的道路交通標誌檢測方法；並通過分析形狀特徵確定交通標誌的類別，將識別時的匹配範圍減少到具有相同形狀的參考標誌子集，然後擬利用支持向量機技術對待識別標誌和參考標誌子集內的圖像進行相似性度量。本項目擬採用離線實驗與線上實驗相結合的方式，最終將對移動視頻中車輛、背景及交通標誌的目標檢測、識別方法移植到單板機上，以測試本方法的有效性和實時性。

結題摘要

智慧型交通中對關鍵目標的實時檢測識別對於車輛安全駕駛，輔助駕駛等具有重要意義，本課題對移動視頻中關鍵目標的檢測與識別方法進行了探討。首先研究了對複雜環境條件下的視頻進行目標定位的方法，研究在AdaBoost算法框架下，將Haar-like特徵和LBP特徵進行特徵後融合，並通過對比實驗說明了算法在降低錯檢率、提高檢測速度方面的有效性；其次，根據車輛特徵提出了基於支持向量機的目標識別方法,通過對四類車型的分類實驗證明了算法的魯棒性；最後提出了一種實用的車道線檢測方法，根據交通狀況提出了道路擁擠度5級設定，設計系統實現了道路狀況的預警、違章車輛自動抓拍等功能。本課題的研究對於提高智慧型交通系統中關鍵目標的檢測識別速度和準確性有重要意義，並對實際交通管控具有重要套用價值。