基于视频的道路盲区能见度检测研究

基于道路视频图像的能见度检测方法可为智能交通系统提供实时、可靠、经济的交通能见度信息，但其应用效果受限于广泛存在的视频监控盲区。鉴于此，针对道路视频监控盲区的能见度实时检测方法展开研究，利用视频能见度检测算法，获取上下游路段能见度的两类检测数据，并提出一种基于能见度数据的高层信息汇聚融合模型，构建了盲区的能见度间接检测方法，给出 基于实时视频检测的道路盲区能见度预测值，与目测结果相比，平均误差小于10%。     

基于监控视频的高速公路能见度检测方法及系统

针对我国高速公路能见度天气的全面检测与预警处置的迫切需求,提出了一种基于监控视频的高速公路能见度检测方法.该方法从监控摄像头提取固定距离参照物的图像,根据图像的灰度失真状况计算能见度值,并通过数据融合的手段对多监控摄像头计算结果进行综合;并设计和开发了一款能见度监测与预警处置信息化系统,利用获取的实时能见度数据,从局部现场和宏观路网两个方面支撑能见度预警、应急处置、交通流调控、信息发布等智能交通业务.实验分析结果表明,该能见度计算方法的平均检测误差为13.4%,能够满足我国高速公路能见度检测的精度和计算性能要求;本文方法及系统可以充分复用高速公路沿线广泛架设的视频监控机电系统,可应用于我国高速公路的运营管理及效率提升等工作中.      

引入红外图像的低能见度可视面积比检测

低能见度是高速公路安全事故的重要诱因之一,而传统能见度检测仪架设方式复杂、价格 昂贵,不利于大范围推广,为了实现全路段低能见度的实时监测,提出了一种基于已有监控图像 的低能见度可视面积比检测法。普通图像可视景物的面积随着能见度的降低而减小,因此根据空 间几何投影关系,由图像可视景物的面积比来推算能见度的大小,同时引入红外图像作为处理普 通图像的参照,简化图像处理算法,降低对普通图像的质量要求,增加检测法的实用性。模拟试 验结果显示,只考虑对高速公路驾驶安全影响最大的200m范围内的低能见度,引入红外图像的 可视面积比检测法能有效提高检测精度,且平均误差小于10%,故可以经济全面地用于高速公路 低能见度的实时监测,以提高行车安全性。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

���ں���ͼ�����ͨͼ��Աȵ� ���ٹ�·���Ӷȷ���

高速公路可视距离的实时检测对于低能见度预警保证行车安全具有重要意义,本文旨在建立一种专门应用于高速公路的可视距离检测模型.由此提出可视度概念,并创新性地通过普通图像和红外图像的像素点的比值来反映实际可视距离,进一步建立可视度推算模型.同时为减小温度对红外图像影响,提出并推导了温度修正系数;为减小仪器成像质量差异引入了相机修正系数,有效提高了模型的计算精度.根据离摄像机位置不同距离范围内像素点的累计百分比,建立可视度查阅表.现场试验结果表明:本文提出的可视度分析模型预测结果相对误差小于11%,该可视度模型能够在低能见度环境下准确判断可视距离,可以有效提高高速公路驾驶安全.     

���ٹ�·�ֲ�ʽ���ϵͳ��Ƶ�����о�

高速公路分布式视频监控系统正广泛应用，在很多方面需要高质量的视频图像，并对QoS提出了要求。在分析实时视频网络传输难点的基础上，讨论了IP网络中的延迟、抖动、丢失率等特性对数字视频传输的不利影响。针对数字视频的传输处理，提出了系统的技术优化方案，给出了实时视频网络传输系统的实现模型。结合该模型，在视频编码、协议调用和程序实现及流量控制等方面提出了合理的优化方法，并搭建了一个完整的实时视频传输系统平台。实时视频传输系统通过将以太网与监控图像网以及监控数据网有机结合在一起，完成视频的数字化传输，以实现监控图像的联网管理和共享。     

基于相关系数的道路监控视频关键帧提取算法

为从固定摄像头的道路监控视频中有效地提取出关键帧,提出了基于相关系数的关键帧提取算法。算法将监控视频中图像帧的RGB值处理为灰度值,结合滑动窗口机制,通过当前帧和当前关键帧之间相关系数的绝对值与阈值比较判断当前帧是否为关键帧。实验结果表明:算法在有效提取关键帧的同时还具有流程清晰、避免了冗余关键帧的特性。最后利用基于欧式距离的帧间差异性对提取的关键帧进行评价,验证了算法的有效性和合理性。     

高速公路低能见度团雾预警与诱导系统开发研究

针对高速公路低能见度团雾环境的行车安全问题,开发研究团雾环境下行车风险评估预警与诱导系统,通过建立团雾预测预警模型与团雾行车风险评估模型来获得高速公路在团雾情况下发生行车风险的概率,结合风险概率设计诱导系统,开发的系统成功应用于多条高速公路路段,应用结果表明各示范路段同比事故率极大减少,提高了在团雾情况下的出行安全。     

基于卷积神经网络的汽车试验场外物入侵识别

为了对汽车试验场的外物入侵进行识别并预警,结合现有监控系统,利用Tensorflow搭建Faster-RCNN框架,分别使用Inception V2和Res Net101作为核心卷积神经网络,用自建的标注数据集进行最终训练,利用得到的模型进行迁移测试,试验结果表明:Inception V2系统的平均精度值为81.7%,Res Net101系统的平均精度值为84.1%。将两种系统结合Opencv的图像抓取功能及现有摄像监控设备进行联合测试,结果表明两种系统均能在阴天和低像素摄像头搭配下实时对高速或慢速移动的物体进行识别、分类、标注、预警。     

公路车辆智能监控系统专题讲座（第一讲）——公路车辆智能监控系统的主要用途与基本构成

“公路车辆智能监控系统”是多学科的综合。主要集成光电、计算机、车辆检测、视频和图像处理、互联网等技术，实时采集经过监控区域的每一辆机动车辆的动态信息，对车辆图像进行存储和处理，自动识别通行车辆的车牌号码，并提供各种报警服务，为路面车辆管理提供信息和证据。下面就公路车辆智能监控系统的主要用途与基本构成作一介绍。     

基于多尺度区域网格的公路车辆自动检测识别

提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法用于检测识别特定公路段行驶的车辆.特点是不用对摄像机进行标定,使用方便,算法简单,运算速度快,识别距离远.用不同的N值对不同距离处公路宽度进行水平等分并且在车辆目标位置形成区域采样网格.由于模型图像采样网格密度也由N值决定,利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配.     

一种基于图像处理的超载货车智能监控系统

货车超载已经成为公认的安全问题,同时也涉及到运输成本和安全管理人力投入。当前,各国政府都投入了巨资用以治理超载问题。常规方法之一是通过安装视频监控系统来监视道路情况。然而,对于多个卸载场,同时有几十甚至上百监控画面的情况,采用人工观看这种传统的监控模式,效率相对偏低。因此,开发了一种基于图像处理算法的智能超载卡车视频监控系统。该系统采用图像处理算法来自动检测超载管理站的卡车,并定时比对同一位置货车影像以确定是否为同一车辆长时期停在卸载场,未进行卸载处理。通过处理2万多张图片,建立了正负样本数据库。利用Haar-like特征和Adaboost训练算法,从实时监控视频数据流中检测卡车。此外,利用样本图像灰度值分布计算的统计规律,对货车检测结果进行了改进。实际测试验证了系统的有效性。     

基于多尺度区域网格的公路车辆自动检测识别

提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法用于检测识别特定公路段行驶的车辆．特点是不用对摄像机进行标定，使用方便，算法简单，运算速度快，识别距离远．用不同的N值对不同距离处公路宽度进行水平等分并且在车辆目标位置形成区域采样网格．由于模型图像采样网格密度也由N值决定，利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配．     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.      

基于视频的城市快速路车辆异常行为检测

文章提出虚拟传感器的概念,针对城市快速路视频监控系统,改革单一功能摄像机,使其成为具人工智能的新型视频传感器,完成道路车辆跟踪及异常行为检测。异常检测算法运用带有时间和空间信息的车辆轨迹对自组织神经网络进行训练,获得神经网络参数后利用概率模型对实时车辆轨迹进行异常提取。该文所提算法能在嵌入式DM642视频处理平台上有效运行,能够提取诸如超低(高)速行驶、违章停车、违规掉头等异常行为,具有低运算量及较好的鲁棒性。     

不同能见度条件下高速公路车辆速度特性研究

本文以京港澳高速公路湖北省内金山-武汉南路段内的交通流检测器及其附近设置于路侧的公路气象站的历史数据为主要研究数据,针对雾天低能见度等天气因素,分析有无雾及不同能见度条件对车辆速度均值及速度离散型的影响;研究在雾天条件下,不同车道位置、不同车辆类型、不同时间时段的车辆行驶速度的差异性;基于交通流Greenshield 经典V-K关系,采用非线性回归方法,建立雾天车辆平均行驶速度综合预测模型,模型的拟合优度达到80%.研究成果对研究公路沿线能见度因素对行车安全影响,分析雾天等低能见度条件下的公路通行能力,制定雾天等低能见度条件下可变速度控制等交通控制措施具有重要参考与借鉴意义.     

基于车窗区域定位的出租汽车驾驶员蓄须行为的自动检测技术研究

针对出租车驾驶员蓄须行为自动检测技术展开研究,提出了一套基于视频图像的、完整的自动检测方法。首先,根据复杂交通车流的特性,提出一种用车窗区域代替完整车辆的出租车检测方法,同时基于检测到的车窗区域实现对驾驶室的精准定位。其次,利用基于亮度通道的多尺度视网膜（Multi-scale Retinex, MSR） 增强的图像预处理算法实现对图像的光线平衡及细节恢复。最后,通过libfacedetection 算法的精准下巴区域提取、结合非肤色像素点提取以及灰度阈值法的正反验证来提升算法的鲁棒性。利用交通监控视频对整套方法进行测试,研究结果表明,该方法能够对出租车驾驶员蓄须行为进行识别,进而提高执法效能。     

基于双路神经网络融合模型的高速公路雾天检测

高速公路天气状况实时监察对于高速行车安全具备重要意义,然而气象检测只能对大范围区域的气象情况进行预报,不能满足高速行车各个路段气象情况实时检测的需求. 为此,提出一种基于双路神经网络融合模型的高速公路雾天检测算法. 该算法基于双路深度神经网络融合模型,提取雾天图像的可视深度图以及暗通道图像两种视觉特征,并利用深度神经网络进行建模,获得初步分类结果;然后,再利用均值融合层进行分数融合. 为了全面评测该算法的性能,构建了一个覆盖多个省份高速公路的视频监控雾天数据集（express way fog detection dataset,EWFD）,该数据集能够全面涵盖国内高速公路的天气情况,并在该数据集上做了全面的分析对比实验. 实验结果显示,本文所提出的双路神经网络融合模型的雾天监测算法取得了93.7%的准确率,与国际前沿的检测分类算法101层残差网络（ResNet-101）相比,本文提出的算法准确率提高了10%以上.      

实时行人检测预警系统

针对重特大交通事故中的行人保护问题,提出了基于侧面行人特征的实时行人检测预警系统（PDWS）。系统由检测模块和预警模块两部分组成,其中检测模块使用Haar与HOG特征和AdaBoost与SVM分类器,通过侧面行人样本库完成行人特征的提取与检测,同时应用窗口拆分法与快速窗口扫描算法提高检测效率,得到一个具有高检测率与低误检率的结果。在预警模块融合了行人距离、汽车速度及角速度信息,判断前方行人存在碰撞的危险。使用系统及算法对城市环境复杂背景下横过街道的行人进行了实车验证。测试结果表明：对704Pixet×576Pixel图像的检测帧率为13～18帧·s-1,检测率大于859／6,误检率小于l％,预警时间小于1S,实车验证结果达到了车载主动安全系统实时性与准确性的要求。     

融合雷达与视频分析的全天候智能桥梁防撞偏航预警系统研究

针对桥梁防撞偏航预警的热点问题,通过对典型桥梁船撞事故产生原因及国内外发展研究现状的分析,提出了融合雷达与视频分析技术的智能桥梁防撞偏航预警系统的解决方案。通过雷达与摄像机的逐级架设并结合智能视频分析构建了从探测、跟踪到预警的全方位、一体化、多维度的监控预警体系,实现了对偏航目标与危险船舶实时、精准的监控,为降低船舶偏航碰撞风险、保障桥梁安全提供了合理有效的解决途径。