沈阳理工大学自动化与电气工程学院 夏伟翔 刘 军 师 柯

在交通车辆违章行为图像检测和识别的基础上，通过收集可以判定车辆违章行为的各个要素，找出每个要素之间的关系并建立上下文模型，进而实现车辆违章行为检测。通过Hough变换对车道线进行检测，利用背景差分法检测目标车辆，然后建立用于违章行为检测的上下文模型，将上下文信息分为时序上下文，场景上下文，目标上下文以及参数上下文。通过引入上下文信息，提高了车辆违章行为检测的准确率，减少了对车辆违章行为的误判与错判，节约了人工判读成本。

机动车数量的快速增长直接导致城市交通压力越来越大，对车辆违章行为检测技术的需求与日俱增。车辆违章行为检测方法主要以视频图像检测为主，通过图像处理和分析能够对车辆进行精确检测。常规车辆违章检测方法多数只遵循一到两个条件，只要满足就认定为违章，忽略了许多干扰因素并不能对复杂环境下的车辆行为做出正确判罚。通过引入上下文信息，确定出车辆本身属性以及上下文信息关联性，使违章行为检测更加具体完整，在复杂场景下，可以详尽描述违章行为，减少了误判，提高了准确率。

1 动态车辆与车道线检测

1.1 动态车辆检测

动态车辆的图像检测是违章行为检测的前提，其主流方法包括帧差法，光流法以及背景差分法等。对于交通违章行为检测，由于实际道路上运动车辆通常很多，用帧差法会因为相邻帧图像相互遮挡而出现空洞现象，识别的效果将大大降低；……