ʵʱ�����Ŷӳ���ͼ����ϵͳ��FPGAӲ��ʵ��

针对现有交通路口车辆排队长度检测系统处理速度低、无法适用于实际复杂路口环境的缺陷,设计了一种基于FPGA的实时车辆排队长度图像检测系统.通过形态学边缘处理检测车辆的存在,对检测出的车队轮廓进行水平投影并采用一种基于信息量的车辆度量方法从投影结果中提取了排队的队尾,同时在确定排队长度时通过对算法参数的自适应调整有效消除图像逆透视效果的干扰;整个图像处理过程完全利用FPGA硬件逻辑实现,采用五级并行流水设计保证图像采集、高斯滤波、Sobel边缘检测、阈值分割和形态学腐蚀处理同步执行且同时完成,实现了对分辨率为720×576的图像25帧/s的处理速度.实验结果表明,系统性能良好,工作稳定,算法简单实用,具有较好的应用前景.     

基于交通波理论的交叉口信号控制最短周期

考虑到交通波对交叉口车辆排队长度的影响,运用交通波理论对计算平面交叉口信号控制最短周期的Webster算法进行改进,并利用实测数据对改进后的算法进行验证,验证结果表明：该模型的预测精度可达到87%以上,满足信号配时和交通管理的需要。     

运动车辆检测的APG-TR算法

为了提高智能交通系统中运动车辆检测的准确率,提出了一种基于张量恢复的APG-TR算法。采用张量表征交通视频图像,保持视频图像高维结构特征。通过张量恢复,重建出张量的低秩部分与稀疏部分,实现交通视频图像中交通背景与运动目标车辆的分离与交通视频内在特征的提取。利用交通监控系统采集到的交通视频106帧图像对本文算法进行了测试。测试结果表明:在晴天条件下,APG-TR算法的平均正确率为91.4%,在雨、雾天气条件下,正确率分别为86.4%、85.2%,相比帧差法更加稳定与准确。APG-TR算法具有良好的收敛速度与鲁棒性,在智能交通领域中具有广泛的应用前景。     

基于机器视觉的车辆偏航预警系统设计

设计了一种基于机器视觉的车辆偏航预警系统。首先对图像进行灰度化、均值滤波、边缘增强等预处理,采用Ostu算法检测可靠的车道边缘;然后运用Hough算法准确识别不同环境、不同道路下的车道线;在此基础上提出了一种基于车道线斜率的车道偏航预警模型,并进行了试验。结果表明:模型可实时检测车辆运行状态并进行预警,具有较高的准确率。     

基于时空数据的信号交叉口实时排队长度测算

为提高信号交叉口实时排队长度估计精度,判断交叉口实时交通状态,作为交叉口实时信号控制基础。以过饱和交叉口为例,利用磁频检测法,应用车辆到达离散模型及交通波理论研究车辆排队演化过程,实时计算有无专用转向相位两种情况下车辆排队长度,并通过VISSIM和MATLAB仿真软件,验证算法的精度及实用性。结果表明,算法对于工程实用性较强,排队长度实时计算误差在工程应用可接受范围内,左转相位实时排队长度模型相比直行相位排队长度模型而言精度更高。     

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.     

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．     

基于视频的交叉口排队过程感知及预测

在研究交叉口排队过程中，全面、精细地感知及预测方法一直是难点. 传统的排队过程感知方法缺乏不同排队阶段的精细感知和关联，无法得到全面、精细的交通参数. 对此，提出一种基于视频、分阶段感知再关联的排队过程感知及预测方法. 该方法包括3 部分：第一，通过目标检测和边缘检测提取道路和车辆信息；第二，对道路和车辆边缘信息进行卷积融合，检测排队区域和排队长度；第三，利用车辆位置重构和KCF跟踪等方法感知并关联不同排队阶段，重构并预测交叉口车辆运行轨迹，得到精准到车辆个体的排队车辆数和停车延误等参数. 实验结果表明，所提方法在检测正确的情况下，平均95.7%的排队车辆轨迹重构结果是准确的；并且在实际应用场景测试中，在不同车流量和光照条件下均可取得满意的效果.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

������״̬�����Ⱥ�źſ��ƻ���ʵʩ���

为改善过饱和状态交叉口群的交通控制效果,优化了交通控制目标和结构,制定了信号配时方案优化的实施框架. 在分析溢流、滞留排队和阻挡等拥堵诱因的基础上,根据优化过饱和状态交通控制的需求,选取关键路径上通过车辆数最大和平均排队最小作为优化目标. 在单点交叉口层和交叉口群层间增加关键路径层,优化交通控制结构. 结合过饱和状态交叉口群交通控制特性,提出信号配时方案优化的实施框架及分层优化措施. 南京市广州路交叉口群仿真验证结果表明, 按信号配时优化框架建立的配时算法,可显著增大交叉口群内关键路径的通过车辆数,降低平均排队长度,改善过饱和状态交叉口群交通运行状况.     

基于过街行人检测的路口自适应交通信号控制

针对行人密度波动大的路口的交通信号配时优化问题,提出了以行人过街请求为主的交通信号配时,搭建了由视频采集、行人检测和信号配时构成的交通信号控制系统。视频采集单元采集行人的图像数据;行人检测算法是利用背景重构实时构建行人等候区的背景,继而以背景减法检测等候过街的行人;信号配时由等候过街的行人数和等候时长决定。对实际的交通路口进行仿真,结果表明:在行人低峰时段,行人和车辆平均延误分别为5.62 s/veh和15.99 s/ped,在略微增加行人延误基础上,车流的延误大大降低;在行人高峰时段,车辆平均延误为52.13 s/veh,行人平均延误降至8.35 s/ped,优先保证大密度人群顺利通过路口。     

基于粒子群算法的道路交叉口信号配时优化模型——以昆明市为例

在现有交通资源下,利用交通信号的动态调控缓解交通拥堵是一种行之有效的方式。首先探讨了道路交叉口信号控制的空间和时间优化思路,在时间优化方面提出基于粒子群算法的信号配时优化模型。以昆明市学府路为例,在分析大量交通流数据的基础上,根据三相交通流理论,对交通状态进行划分并提出有针对性的控制策略。将信号配时优化模型应用于学府路3个相邻的关键交叉口。交通仿真和方案试运行结果显示,优化前后同步流状态下交叉口延误平均降低21.0%,车辆排队长度平均降低12.4%;堵塞状态下交叉口延误平均降低32.0%,车辆排队长度平均降低24.9%。这一结果表明该模型在道路交叉口信号配时优化中具有合理性和有效性。     

城市道路排队车辆检测方法

针对城市道路环境下的排队车辆检测问题,提出一种基于边缘信息和局部纹理特征的综合检测方法。根据交通环境的特点,对比5种不同边缘检测方法的性能,采用Canny算法提取边缘信息,采用改进的LBP方法提取纹理特征,得到车辆的综合检测结果,提取车辆排队长度和车道占有率等交通参数。分别采用综合检测方法、高斯混合模型和帧差法处理快速路、交叉路口、阴雨天气、光线突变、大雪天气、浓雾天气等场景下的视频图像,并采用ROc曲线对检测性能进行量化评价。分析结果表明：在快速路和大雪天气场景中,3种方法检测性能基本相似,最佳检测率分别接近90．0％和60．0％,虚警率分别不超过5．0％和10．0％;在交叉路口场景中,3种方法的最佳检测率分别为77．1％、31．5％、13．6％,虚警率分别为16．5％、3．2％、19．0％;在阴雨天气场景中,3种方法的最佳检测率分别为65．2％、3．0％、62．4％,虚警率分别为10．5％、5．0％、56．5％;在光线突变场景中,3种方法的最佳检测率分别为62．0％、18．9％、39．7％,虚警率分别为10．8％、55．1％、36．0％;在浓雾天气场景中,当能见度较低时,3种方法的检测率和虚警率均接近于0。     

基于LoG算法的车辆图像边缘的提取

阐述了LoG算法的一般式及其对图像边缘提取的原理，并应用LoG算法对车辆图像进行了提取，获得了质量比较理想的车辆边缘图像。该方法可广泛用于流量较大的自动车辆检测系统和其他动态图像识别系统。     

基于改进LSD直线检测算法的钢轨表面边界提取

针对传统LSD直线检测算法容易丢失图像细节,造成提取直线不连续等不足,提出一种基于双边滤波改进Canny提取边缘图像的LSD直线检测算法。利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护作用,采用双边滤波代替Canny边缘检测中的高斯滤波进行边缘图像提取。同时,将基于双边滤波改进Canny提取边缘图像的LSD直线检测算法应用到钢轨表面边界提取中。实验结果表明,改进LSD直线检测算法对钢轨表面边界直线提取效果较佳,相关评价指标得到较大提升,正常钢轨图像和锈迹钢轨图像的峰值信噪比分别提升6.49%和13.58%,为后续钢轨表面缺陷识别奠定了基础,具有一定的实用价值。     

一种新的车辆图像识别分类算法研究

提出了一种在静止背景交通图像序列中运动车辆的检测和分类方法,即基于GVF-Snake模型和惯量椭圆的车辆分类算法。利用混和高斯模型(GMM)、期望最大化(EM)估计算法、改进GVF-Snake模型,从序列交通视频图像中检测出运动车辆;然后,借用刚体惯量椭圆原理,计算运动车辆等效椭圆偏心率,从而建立车长-车投影面积-车的等效椭圆偏心率三参数建立了车辆分类器。该方法的车辆检测与分类都是基于数理统计原理,算法复杂度小,可用数字逻辑编程实现,适合在嵌入式系统中应用。     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

动态车辆路径问题中的实时最短路径算法研究

分析了现有算法处理动态车辆路径问题时的缺陷,提出了一个动态网络环境下的实时路径评估模型,在此基础之上构造了一个改进的Dijkstra双桶算法.该算法能根据静态和动态的交通信息找出客户之间的实时最短路径,并对车辆的旅行线路进行调整,具有对随机事件和突发事件进行实时处理的能力,已用于解决动态车辆路径问题.实验结果表明,该算法能在动态网络环境下找到实时的最短路径,减少车辆旅行的总成本.     

基于运动矢量的车辆实时跟踪系统

建立了基于摄像机、图像采集卡及计算机的车辆跟踪硬件系统.研究了基于运动矢量的车辆跟踪算法.作者首先进行背景初始化,然后,利用背景差法和检测线法对通过目标交通场景的车辆进行检测,进而根据三步法计算车辆的运动矢量,并进行车辆位置的更新和遮挡处理,实现了车辆的实时跟踪.