结合双向光流约束的特征点匹配车辆跟踪方法

针对复杂交通场景中动态光照变化、目标尺度变化和部分遮挡等因素带来的影响,提出了一种基于特征点的稳定可靠的车辆跟踪方法.针对运动车辆高速行驶时具有较大帧间运动的特点,构造KLT算法的金字塔模型,根据前向和后向跟踪偏移量,对稳定性较差的特征点进行剔除.同时,采用SURF特征匹配算法对目标特征点集进行更新和校正.最后,利用特征点之间的位置信息,确定目标的尺度和旋转变化因子,从而实现当前帧中目标区域的定位.实验结果表明,提出的车辆跟踪方法可以有效地解决复杂场景中目标形变和部分遮挡等问题,对尺度和旋转变化也具有较强的鲁棒性.     

基于引导滤波和积分投影算法的轨道扣件定位

精确定位是实现轨道扣件缺陷计算机自动检测的基础,为此提出了一种改进引导滤波去噪和灰度积分投影结合模板匹配算法的轨道扣件定位方法.首先,通过具有良好边缘保持能力的改进引导滤波算法对轨道扣件图像进行去噪;其次,利用改进Canny算法在Opencv平台对扣件图像进行边缘检测,实现轨道扣件图像边缘检测的自适应性;再次,采用灰度积分投影算法结合先验知识粗定位扣件区域;最后,通过模板匹配算法精确定位轨道扣件.仿真实验表明:所采用的算法具有较好的定位能力,可以准确地定位轨道扣件区域,为进一步的扣件识别提供了可靠的基础.     

复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法,设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域,构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除,并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内,利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明:算法的检测率为99.0%,误检率为1.3×10-4%,检测时间为57ms,检测率高,误检率低,检测时间短;与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比,本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。     

一种前方车辆后轮接地点检测算法

现有车辆定位算法通常通过检测车辆底部阴影来定位车辆,该算法受阴影形状大小变化的影响较大,定位精度较低。该文提出了一种通过检测前方车辆后轮接地点来精确定位车辆的方法。首先通过垂直边缘和对称性测度实现路面车辆的初定位;然后利用车辆垂直边缘和后部水平边缘显著性的特点获得后车轮可能存在的感兴趣区(ROI);最后在该ROI中通过Tamura纹理特征的粗糙度对车轮和地面进行区分,精确地得到车轮接地点位置。     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

一种基于特征点的跟踪算法

设计了一种基于特征点的图像跟踪算法．采用卡尔曼滤波器跟踪运动目标，并针对跟踪过程中的旋转及遮挡问题，提出相应策略：根据特征光流计算得到目标的旋转角度，适时地更新特征点的匹配模板，解决了旋转问题；当有局部遮挡发生时，通过模板与图像的匹配相关系数判断出被遮挡的特征点，并把这部分特征点加以滤出，而只有未遮挡特征点的跟踪结果送到卡尔曼滤波器，从而有效解决了局部遮挡问题．试验结果表明，这种跟踪算法具有跟踪精度高、鲁棒性强的特点．     

基于车路协同的车辆定位算法研究

为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法（cooperative map-matching,CMM）. 首先利用扩展Kalman滤波（extended Kalman filter,EKF）融合GPS与车载航位推算系统（vehicular dead reckoning,DR）信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位. 为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验. 研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS 的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.      

基于车载视觉的行人检测与跟踪方法

为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法. 利用Adaboost算法实现行人的快速检测,结合Kalman滤波原理跟踪行人,以获取其运行轨迹.该方法利用离散 Adaboost算法训练样本类Haar特征,得到识别行人的级联分类器,遍历车载视觉采集的图像,以获取行人目 标;结合Kalman滤波原理,对检测到的行人目标进行跟踪,建立检测行人的动态感兴趣区域,利用跟踪结果分 析行人的运行轨迹.试验表明:该方法平均耗时约80ms/帧,检测率达到88%;结合Kalman滤波原理跟踪后,平 均耗时降到55ms/帧,实时性较好.      

一种改进的形态学边缘检测方法

对经典形态学进行了3点改进,提出一种多尺度多级级联自适应加权图像边缘检测算法.经实验结果表明,与其他方法相比,该算法抗噪性能更优,得到的边缘图像具有良好的边缘细节特性,算法比较简单,具有一定的实用性和可行性.     

基于视频检测的车辆变道轨迹识别方法研究

采用Hough变换检测车道线,然后采用背景减差法对运动目标进行检测;目标车辆的跟踪使用改进的形心跟踪算法和模板匹配算法,对运动车辆的轨迹进行提取,计算已有车辆轨迹与车道线的距离;结合高速公路三种常见变道情况,对车辆变道进行定义;通过车辆轨迹与车道线距离方差判断车辆轨迹是否发生违法变道。实验结果表明,该算法能有效地识别车辆变道轨迹,且算法简单可靠。     

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低。提出了一种SEC(SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择。实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率。     

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低.提出了一种SEC (SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择.实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率.     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

����Kalman�˲������˸��ٷ����о�

应用视频处理技术对行人交通进行研究和分析受到广泛的重视和发展,已成为智能交通领域的研究热点之一,而行人跟踪是行人交通采集系统的基础,是后续交通参数提取,行为分析的前提.本文提出一种基于Kalman滤波的行人跟踪方法.首先,利用改进的混合高斯模型提取背景,并采用HSV颜色空间模型和目标重构方法得到消除阴影后的前景图像.其次,进行行人的特征提取,得到融合行人位置特征和形状特征的运动模板.最后,采用Kalman滤波对行人的运动轨迹进行预测,将检测到的目标与预测结果匹配,得到行人的跟踪匹配矩阵,根据匹配矩阵判断合并和分离的发生.试验结果表明,该方法不仅可以准确跟踪多目标,而且可以有效解决遮挡问题,具有很好的适应性和鲁棒性.     

基于机器视觉的道路上前方多车辆探测方法研究

本文提出了一种基于车辆特征的方法识别和跟踪前方的车辆。首先，利用车辆底部存在阴影的特征，在图像中获得可能的车辆存住区域。然后，通过分形维数计算车辆的纹理特征，排除非车辆区域。最后，利用车辆的边缘信息，通过投影变换方法，对候选区域内的车辆进行定位。此外，利用NMI特征法对定位的车辆进行确认。该算法对不同环境和光照条件下的车辆图片进行了测试，以及在高速公路上进行了实时跟踪，具有较好的鲁棒性和可靠性。     

基于多特征描述的指横纹识别

提出一种基于多特征描述的指横纹识别方法.分别提取指横纹的主成分特征、Gabor相位特征和Gabor幅值特征构成识别系统,采用Fisher线性判决方法融合各自匹配分数,进一步提高系统性能.通过98个人、1 971幅图像的测试实验表明,本文方法在获得较高性能的同时（识别率为99.39%,平均错误率为0.56%）,单次匹配时间仅为0.67 ms,可以满足中等规模数据库实时识别要求.     

一种基于稀疏表达和光流的目标跟踪方法

提出一种将稀疏表达技术融入到传统光流算法的目标跟踪方法.首先使用FAST和Harris算法在视频序列的每一帧中为光流算法采集运动目标的特征点,之后光流算法基于后向跟踪-形心配准的方法对跟踪目标完成粗略定位.在当前帧的粗略定位处应用仿射变换产生N个候选区域.最后应用稀疏表达技术判断出与原始目标匹配率最高的仿射变换区域做为最终目标跟踪区域.实验结果表明,该算法既能较好地适应目标的外观变化,又具有较强的抗遮挡能力,鲁棒性强.     

一种基于图像处理的危化车辆识别方法

高速路口车道上对危险化学品车辆进行识别,对实时监测危险化学品车辆、保证事故后的及时救援有重大意义.根据危化车辆车顶必须安装危险标志灯的特征,针对监控设备抓拍的车辆头部图片,采用边缘检测、连通边缘提取、相似三角形检测等一系列算法,检测图像中是否存在标志灯,从而实现对危化车辆的识别.最后采用Matlab实现了识别算法,验证了本方法的准确性和可行性.