基于D-S证据理论的融合算法及其在交通事件检测中的应用

摘要

交通事件检测是智能交通系统的重要研究内容之一。本文研究了基于D-S证据理论的交通事件检测融合算法。
　　针对隧道火灾和道路行人检测的应用，本文对D-S证据理论的融合算法进行了研究，并在此基础上提出了相应的改进算法，主要改进包括：结合证据距离可信度和不确定度对证据源的权值进行修正；利用证据的相似度和冲突构造证据间的K-L距离，进一步得到证据的权重。对修正后证据进行加权后融合。将两种改进算法应用于隧道火灾检测和道路行人检测中。首先对提取到的视频序列利用统计直方图法进行背景提取，选取直方图中最大值对应的像素点作为背景的像素值。再通过背景差分法对运动目标进行提取，同时对目标进行二值化处理，利用连通域标记排除干扰目标。隧道火灾检测中选取火焰的面积增长特性、闪烁特性和形状复杂度以及烟雾的纹理特征对火灾进行检测。行人的特征采用：宽高比、面积和速度。利用目标的特征，对视频中的疑似区域进行识别和分析。利用蒙特卡洛模拟法得到各个特征检测的仿真结果，将统计的检测率、误报率利用MATLAB进行融合。初步实验验证了算法的有效性。
　　实验结果显示融合后的检测率、误报率都达到了较高水平，性能优于单数据源算法。改进的D-S证据理论融合算法与传统的D-S证据理论算法相比，在保证不确定度较低的前提下，检测率得到了明显的提高，并且在很大程度上减少数据之间的冲突。当继续增加证据后，融合结果的检测率得到了进一步的提高。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1. 1研究背景

1. 2国内外的发展状况

1. 3本文的主要研究内容及结构安排

第二章 基于D-S证据理论的融合技术

2. 1数据融合概述

2. 2数据融合方式

2. 3数据融合方法分类

2.4 D-S证据理论

2.5 D-S证据理论的基本概念

2. 6本章小结

第三章 改进的D-S证据理论

3. 1冲突出现的原因

3. 2 证据理论的修正

3. 3基于证据源的改进算法

3. 4本章小结

第四章 D-S证据理论在隧道火灾检测中的应用

4. 1背景提取

4. 2火焰目标的提取

4. 3火焰特征提取和分析

4. 4实验结果与分析

4. 5烟雾的纹理特征

4. 6本章小结

第五章 D-S证据理论在行人检测中的应用

5. 1背景提取

5. 2运动目标提取

5. 3行人特征

5. 4实验结果与分析

5. 5本章小结

总结与展望

参考文献

攻读学位期间取得的研究成果

致谢