电子测试
電子測試
전자측시
ELECTRONIC TEST
2012年
6期
29-34
,共6页
背景方法%隐含马尔可夫模型%共发模型%仿三维模型
揹景方法%隱含馬爾可伕模型%共髮模型%倣三維模型
배경방법%은함마이가부모형%공발모형%방삼유모형
Hidden Markov Models%Co-occurences model%three dimensional models
交通异常情况检测一直是交通管理中的重要任务，其在智能交通系统中显得尤为重要。传统的检测方法首先对目标物体（行人和车辆）进行区分，然后再对提取的车辆进行轨迹异常判断。在车流量日益加剧的今天，此种方法增加了计算机的运算复杂度。针对上述算法计算量过于复杂的问题，本文提出了基于像素点的背景方法，首先结合隐含马尔可夫模型（Hidden Markov Model）和共发模型（Co—occurencesmodel），对视频中的异常像素点进行判断，然后通过仿三维模型车辆进行识别的方法，对由异常像素点组成的车辆进行最终的识别。实验结果表明该算法具有较强的有效性和在智能交通系统中有较好的应用。
交通異常情況檢測一直是交通管理中的重要任務，其在智能交通繫統中顯得尤為重要。傳統的檢測方法首先對目標物體（行人和車輛）進行區分，然後再對提取的車輛進行軌跡異常判斷。在車流量日益加劇的今天，此種方法增加瞭計算機的運算複雜度。針對上述算法計算量過于複雜的問題，本文提齣瞭基于像素點的揹景方法，首先結閤隱含馬爾可伕模型（Hidden Markov Model）和共髮模型（Co—occurencesmodel），對視頻中的異常像素點進行判斷，然後通過倣三維模型車輛進行識彆的方法，對由異常像素點組成的車輛進行最終的識彆。實驗結果錶明該算法具有較彊的有效性和在智能交通繫統中有較好的應用。
교통이상정황검측일직시교통관리중적중요임무，기재지능교통계통중현득우위중요。전통적검측방법수선대목표물체（행인화차량）진행구분，연후재대제취적차량진행궤적이상판단。재차류량일익가극적금천，차충방법증가료계산궤적운산복잡도。침대상술산법계산량과우복잡적문제，본문제출료기우상소점적배경방법，수선결합은함마이가부모형（Hidden Markov Model）화공발모형（Co—occurencesmodel），대시빈중적이상상소점진행판단，연후통과방삼유모형차량진행식별적방법，대유이상상소점조성적차량진행최종적식별。실험결과표명해산법구유교강적유효성화재지능교통계통중유교호적응용。
The traffic abnormity identification is an important task in the traffic manage system, and it becomes very important in the ITS（Intelligent Transport System）. the traditional detection methods first distinguish the target objects （pedestrians and vehicles） and then judge the abnomal vehicle, this method increases the computational complexity as traffic volume grow quickly in modem time. For the computational algorithm is too complex.we take a method based on pixel background, combined with Hidden Markov Model and Cooccurences model., then we use three-dimensional models to identification vehicle..The results of expefments show that this algorithm has availability and good results in the ITS.
