导读:本文包含了车辆异常行为检测论文开题报告文献综述及选题提纲参考文献，主要关键词:套牌车检测,车辆异常行为,大数据,并行
车辆异常行为检测论文文献综述
康晨傲,曾献辉[1]（2019）在《基于车辆异常行为的套牌车并行检测方法》一文中研究指出面对套牌车问题,当前检测技术误判率居高不下,稽查部门需要消耗大量人力资源审核检测结果。为了降低套牌车检测的误判率和虚警率,提出了一种基于车辆异常行为的套牌车并行检测方法。确立数种与套牌车相关联的车辆异常行为因素,针对海量通行数据,利用分布式架构建立相应异常行为的挖掘算法模型,并对某市高速公路的真实海量交通流数据进行挖掘;利用BP神经网络算法建立模型并对数种异常行为挖掘结果进行训练,从而综合考虑多种异常行为因素得出套牌车检测结果。研究结果表明,该并行检测算法有效地降低套牌车误判率至18%,可大幅度提高稽查人员的工作效率。(本文来源于《智能计算机与应用》期刊2019年03期）
黄鑫,肖世德,宋波[2]（2018）在《监控视频中的车辆异常行为检测》一文中研究指出针对人工监测道路上车辆超速、违规变道和闯红灯等车辆异常行为各种弊端,提出了一种基于监控视频的车辆异常行为检测方法.首先使用ViBe(Visual Background Extractor)算法得到车辆的前景图像,利用金字塔Lucas-Kanada光流法跟踪前景图像中的强角点并计算出该点的速度和角度,再利用均值漂移算法对速度和角度两个运动特征标量聚类,经统计得到聚类后的统计直方图.最后,分别通过运动特征熵和运动特征标量到聚类中心的欧式距离2种方法判断车辆有无异常行为.实验结果表明,2种方法能够准确、实时地检测出道路中的车辆异常行为.(本文来源于《计算机系统应用》期刊2018年02期）
贾硕,惠飞,马峻岩,彭娜[3]（2017）在《商用车辆异常驾驶行为检测算法研究》一文中研究指出利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析700多辆商用车辆历时两年的行驶数据,利用数据挖掘的方法对车联网数据进行预处理和可用信息挖掘,随后提出了针对商用车辆的疲劳驾驶行为、异常加减速行为和不按规定路线行驶行为的检测算法,并利用真实数据对算法进行验证。结果表明,该算法能有效识别商用车辆的异常驾驶行为,可以给物流企业以及相关管理部门提供合理、可靠的管理依据。(本文来源于《公路交通科技》期刊2017年S2期）
杨龙海,徐洪,张春[4]（2018）在《基于GPS数据的高速公路车辆异常行为检测》一文中研究指出车辆异常行为是造成高速公路交通隐患的主要原因之一。为了提高高速公路的安全管理,通过对车辆GPS数据进行分析,将连续11次定位的车辆速度、加速度作为输入参数,进行神经网络分类器的设计与训练,设计基于GPS数据的车辆异常行为分级检测算法。通过GPS实验和VISSIM模拟仿真各类车辆异常行为,分析检验检测算法,结果表明提出的分级检测算法具有较高的检测率,能够有效的识别各类车辆异常行为。(本文来源于《重庆交通大学学报(自然科学版)》期刊2018年05期）
孙嫄嫄[5]（2017）在《基于视频的车辆异常行为检测系统设计与开发》一文中研究指出市场经济的飞速发展,带动人民生活水平显着提升,随之带来机动车数量激增。汽车方便了出行同时也带了各种危险,特别在高速公路上,更加容易产生交通隐患,因此建立高效的智能交通系统迫在眉睫。作为智能交通系统的一部分,车辆异常行为检测有着重要的研究意义和实用价值。本文重点研究高速公路上车辆异常行为检测系统,从硬件设计和算法设计两个方面着手。由于处理对象是视频,需要强大的计算能力才可以保证实时性。为此设计了“双DSP+双FPGA”的视频处理平台设计方案。这一设计采用2片ADI公司TigerSHARC系列——ADSP TS201芯片作为核心处理器;两片Xilinx公司的Spartan-6系列FPGA芯片XC6SLX100-3CSG484I,作为通信传输和接口控制的核心处理器。算法用帧差法提取目标车辆,基于区域的目标跟踪方法对检测目标进行实时稳定跟踪,对超速、逆行和违停3种常见交通违法行为进行识别。实验证明,本文设计的基于“双DSP+双FPGA”的车辆异常行为检测系统,能够较好进行高速公路车辆异常行为识别,满足设计要求。(本文来源于《大连海事大学》期刊2017-10-25）
杜慧娟[6]（2017）在《基于人工免疫的车联网车辆异常行为检测系统》一文中研究指出在车载自组网(VANETs,简称车联网)中,车辆节点拥有强大的通讯能力。图谋不轨的破坏份子可能利用这种便利的网络模式对车联网实施恶意攻击,从而破坏车辆的安全行驶及道路交通的正常秩序。相比移动自组织网(MANETs),车联网中的车辆节点具有高移动性、分布广泛等特性。车联网的安全与驾驶员及乘客的人身财产安全息息相关,这对网络信息传输的可靠性和信息处理的准确性、实时性提出了更高的要求。目前基于车联网中车辆行为的异常检测方法缺乏对大范围、分布式车联网环境的整体分析与监控,检测效率较低,无法适应车联网车辆节点众多、高速移动等特性。基于对人工免疫系统(AIS)和车联网的理解,本文对比了两者在系统结构及安全方面的众多相似性。免疫系统保护机体不受外来有害物质入侵,在多变环境中仍能保持鲁棒性的特点,正满足了车联网的安全需求。本文模仿生物的免疫机制,提出了基于人工免疫阴性选择算法(NSA)的智能车联网车辆异常行为检测方法。将该检测系统分布式地部署在每个车辆节点上,考虑到车联网中车辆行为特性众多的特性,本文采用实值向量表示待检测数据,采用变长的检测器检测,最大程度提高检测器的覆盖率;采用欧氏距离计算检测器的“亲和度”,简化计算复杂度,满足时是性需求。然后,利用克隆优化算法优化检测器,提高检测效率。为了进一步提高检测的精准性,适应大范围、分布式的车联网环境,本文设计了基于人工免疫树突细胞算法(DCA)的车辆异常行为检测系统。该系统结合了树突细胞算法多信号辅助的检测机制,是一个动态、并行、分布式的检测系统。基于树突细胞算法的车辆异常行为检测系统覆盖了车辆节点信息收集、异常检测、及后续追踪等不同检测阶段,可以对车联网中的多种车辆异常行为进行划分,实现更高效的全局监控。最后,本文通过交通模拟器VanetMobiSim和网络仿真器NS-2进行仿真实验,证明基于阴性选择算法和基于树突细胞算法的车辆异常行为检测系统都很好地契合了车联网中车辆行为特征众多的特性,具有高精确度,且基于树突细胞算法的检测系统具有更低的误报率。据我们所知,本文提出的基于人工免疫的车联网车辆异常行为检测系统,是首个针对车联网的基于生物启发计算智能的车辆异常行为检测系统。(本文来源于《华东师范大学》期刊2017-09-01）
强永军,熊艳梅[7]（2017）在《基于交通视频监控的车辆异常行为检测方法研究》一文中研究指出经济水平的不断提高和城市化建设进程的加快推动了交通道路的快速发展,同时国民拥有的汽车数量也呈现逐渐增长的趋势。但交通拥堵和高发的交通事故以及汽车污染等交通问题对社会的进步和经济的可持续发展造成了严重的阻碍。因此,通过视频监控的形式对交通道路上发生异常事故和行为异常的车辆进行有效的检测和实时监控显得尤为重要。本文主要针对视频监控检测手段的特点和存在的问题进行分析,围绕交通监控视频的发生异常行为的车辆检测技术进行深入性的探讨,并提出解决问题的有效对策,为提高交通车辆的安全性和道路通畅性提供参考。(本文来源于《报刊荟萃》期刊2017年06期）
尹宏鹏,李艳霞,周佳怡,柴毅[8]（2016）在《智能视频分析的车辆异常行为检测方法》一文中研究指出针对目前车辆异常行为检测中的检测实时性问题,提出了一种基于智能视频分析技术的车辆异常行为检测方法。车辆出现异常行为时车辆位置变化、速度变化及运动方向变化较大。通过背景差分法检测运动车辆,并采用均值漂移算法跟踪运动车辆,获取车辆位置、速度、运动方向等车辆异常行为判别参数,对3种判别参数的状态函数加权融合检测车辆行为。为验证该算法的有效性,将对真实交通场景中采集的交通视频进行车辆运行状态检测实验。实验结果证明该算法能及时有效地检测出交通场景中的车辆异常行为。(本文来源于《重庆大学学报》期刊2016年03期）
齐行知[9]（2016）在《城市交通场景中车辆异常行为检测方法研究》一文中研究指出随着我国国民经济的快速发展,人民生活水平得到不断提高,汽车已进入千家万户,截止到2015年底,我国汽车保有量已达到1.72亿辆。汽车保有量的大幅增长,不仅给人们的日常出行带来了极大便利,但也给交通管理带来了城市交通拥挤、交通事故频发等严峻的挑战。车辆异常行为是指交通场景中的车辆违章、违法行为,主要包括闯红灯、压线和非法转向等行为。据统计,在过去十年间,我国有超过100万人死于各类交通事故,其中90%以上的交通事故是由车辆异常行为引成的。对车辆异常行为进行检测预警己成为交通管理部门迫切需要解决的问题之一,因此,本文研究城市交通场景中车辆异常行为的检测方法,具体内容如下：首先,研究了基于色彩空间模型的城市交通场景中信号灯的检测方法。采用中值滤波和光线补偿算法对城市交通场景图像进行预处理,并采用信号灯的颜色直方图和巴氏系数进行信号灯模板匹配；基于颜色空间模型进行城市交通场景中信号灯的状态检测,实验结果表明基于HSV彩色空间模型的城市交通场景中信号灯的检测方法优于其他两种彩色空间。其次,研究了基于车辆及车牌对称特征的城市交通场景中车辆检测的方法,并与基于车牌的车辆检测方法、基于Gabor特征及支持向量机(SVM)的车辆检测方法和Haar-like特征及AdaBoost分类器的车辆检测方法进行了对比分析,实验结果表明基于车辆及车牌对称性的城市交通场景中车辆检测的方法优于其他叁种方法,其检测率达到91.2%。最后,构建了东南大学城市交通场景中车辆行为图像库,并提出了一种基于联合特征的城市交通场景中车辆异常行为检测方法,该方法基于梯度方向直方图(Histograms of Oriented Gradient, HOG)特征和局部二值模式(Local Binary Pattern, LBP)特征的串联联合,并采用支持向量机(SVM)进行自动分类。采用东南大学城市交通场景中车辆行为图像库进行了对比实验,实验结果表明：在选取线性核函数的条件下,基于HOG-LBP的联合特征的车辆行为识别优于其他叁种单特征,其识别率达到93.6%；车辆异常行为中闯红灯行为判定率最高,非法转向行为最难判定。(本文来源于《东南大学》期刊2016-05-27）
蒋恩源,王学军[10]（2016）在《基于跟踪轨迹的车辆异常行为检测》一文中研究指出为提高ITS(Intelligent Traffic System)交通事件管理的智能性,提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3个步骤。首先利用叁帧差法对目标进行初始定位,采用基于Kalman预测器的改进跟踪算法对车辆进行跟踪;然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合;最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明,在道路监控视频中,该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。(本文来源于《吉林大学学报(信息科学版)》期刊2016年01期）
车辆异常行为检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对人工监测道路上车辆超速、违规变道和闯红灯等车辆异常行为各种弊端,提出了一种基于监控视频的车辆异常行为检测方法.首先使用ViBe(Visual Background Extractor)算法得到车辆的前景图像,利用金字塔Lucas-Kanada光流法跟踪前景图像中的强角点并计算出该点的速度和角度,再利用均值漂移算法对速度和角度两个运动特征标量聚类,经统计得到聚类后的统计直方图.最后,分别通过运动特征熵和运动特征标量到聚类中心的欧式距离2种方法判断车辆有无异常行为.实验结果表明,2种方法能够准确、实时地检测出道路中的车辆异常行为.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆异常行为检测论文参考文献
[1].康晨傲,曾献辉.基于车辆异常行为的套牌车并行检测方法[J].智能计算机与应用.2019
[2].黄鑫,肖世德,宋波.监控视频中的车辆异常行为检测[J].计算机系统应用.2018
[3].贾硕,惠飞,马峻岩,彭娜.商用车辆异常驾驶行为检测算法研究[J].公路交通科技.2017
[4].杨龙海,徐洪,张春.基于GPS数据的高速公路车辆异常行为检测[J].重庆交通大学学报(自然科学版).2018
[5].孙嫄嫄.基于视频的车辆异常行为检测系统设计与开发[D].大连海事大学.2017
[6].杜慧娟.基于人工免疫的车联网车辆异常行为检测系统[D].华东师范大学.2017
[7].强永军,熊艳梅.基于交通视频监控的车辆异常行为检测方法研究[J].报刊荟萃.2017
[8].尹宏鹏,李艳霞,周佳怡,柴毅.智能视频分析的车辆异常行为检测方法[J].重庆大学学报.2016
[9].齐行知.城市交通场景中车辆异常行为检测方法研究[D].东南大学.2016
[10].蒋恩源,王学军.基于跟踪轨迹的车辆异常行为检测[J].吉林大学学报(信息科学版).2016