智能交通系统是未来道路管理系统的必然发展趋势,交叉路口的车辆异常行为检测作为智能交通系统的重要组成部分对于提高运输效率保障道路安全有着十分重要的作用。计算机视觉技术的快速发展为智能交通系统提供了一种新的解决方案,是当前智能交通系统领域的研究热点。课题在一种新型视觉传感器—全方位视觉传感器的基础上对交叉路口的车辆异常行为检测技术进行了研究,在计算机视觉理论的基础上设计了一套基于全景视觉的交叉路口车辆异常行为检测系统,并从低层视觉、中层视觉、高层视觉三个层次分别对系统进行了介绍:首先通过基于混合高斯模型的背景差分算法获取运动前景对象,然后对对象进行跟踪获取车辆的运动状态和轨迹信息,最后在高层视觉中以交通法规为基础,通过对对象运动模式进行分析和理解识别车辆的异常行为。由于全方位视觉传感器拥有水平360度全景视野,因此系统可以同时获取车辆、信号灯的状态,实现所有路口的车辆异常行为识别,从而有效的降低系统的复杂度和成本。为了解决计算机视觉中的难点问题—遮挡情况下的对象跟踪,课题着重研究了基于区域的跟踪算法(CAMSHIFT),基于特征的跟踪算法(基于特征点聚类的跟踪算法)两种跟踪算法,并结合两种算法各自的优点实现了一种基于前景检测的特征点匹配算法,最后对三种算法进行了实验分析。实验证明基于前景检测的特征点匹配算法能够在简单遮挡的情况下准确,稳定的跟踪对象。最后课题实现了基于Java语言的基于全景视觉的车辆异常行为检测系统。系统可以检测车辆违章行为(闯红灯、逆行行驶、超速行驶)并通过车辆轨迹识别车辆异常轨迹,为管理部门处理交通违章事件提供支持,为提高运输效率提供帮助,为保证道路行人、驾驶员安全提供保障。