基于多指标与支持向量回归的道路监控图像质量检测方法

图像质量是闭路电视监控系统检测中的关键性能参数。通过分析道路监控图像质量检测的主观和客观方法,提出一种基于多指标与支持向量回归的检测方法。借助该方法可提取监控图像的像素数目、对比度、边缘清晰度和噪声干扰等指标,采用支持向量回归算法对多指标进行融合,建立图像质量客观评分的检测模型,最后通过开展仿真试验,验证了各指标提取算法的正确性以及支持向量回归算法对多指标融合的有效性。     

一种车载数字相机与激光雷达融合算法设计

环境感知是智能辅助驾驶的底层模块，单传感器感知存在易受干扰、所需配置传感器数量多和感知效果差等弊端，为此提出一种车载数字相机与激光雷达融合算法。综合考虑信息融合高效性与系统鲁棒性采取决策级融合策略，利用CENTER POINT算法对雷达点云数据进行处理，再利用Yolo v3算法进行密集型数据训练处理图像数据，最后使用交并比匹配（IOU）和已有文献的D-S论据实现数据融合并输出决策结果。经过KITTI数据集验证，该融合算法输出的识别效果优于单传感器，且在多种路况上均有良好的目标检测效果。     

基于混合高斯背景的交通视频分析

在将道路监控视频转单帧后,利用灰度变换、锐化、滤波、二值化等方法对图像进行预处理,以高斯混合模型对图像前景提取,进行边缘检测获取较为清楚的前景车辆图,在摄像机标定基础上,建立路面车辆和图像像素点的映射关系,再以虚拟线在图像上作计数依据,进而获得车流量。同时通过对普通背景差分模型与高斯混合背景模型的比较分析,选用高斯混合背景模型对预处理之后的图像进行背景分割。并结合粘连图像分割和阴影处理算法,对前景图像进行修复,得到良好的前景目标。采用高斯背景模型对样本视频处理,得到了满意的监控分析结果。     

基于单目视觉的智能车车道线识别算法

针对传统车道检测和识别算法存在的问题,如操作复杂、处理速度慢,鲁棒性不足等问题,提出了一种新的快速车道识别算法。预处理摄像机拍摄的道路图像,并对三种二值化算法进行图像模拟实验,改进了传统的边缘检测Canny算法,并将Hough变换用于车道线识别。仿真实验表明:该算法达到了快捷准确的识别效果。     

基于图像纹理分析的动态车辆识别方法研究

在智能交通系统中,动态图像识别技术是系统应用的基础核心技术之一。以应用于交通监控、智能驾驶系统等场景的HSV空间动态车辆识别为基础,研究并论证提出了新的检测识别方法,实现对运动车辆的检测识别、目标追踪、驾驶辅助等功能。研究问题的难点是,如何从复杂的背景中分割运动物体,是检测方法能否有效的至关重要的一步,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,算法基于HSV空间图像处理,采用最大类间方差法获取相邻帧二值化阈值,利用纹理信息进一步确定动态图像以及确认图像范围。通过截取由监控系统获取的视频信息,并对其进行图像处理检测车辆移动轨迹。从监控视频信息中获取两帧不同时刻的图像信息,在HSV空间进行相邻帧检测。由于阈值的选择将直接影响判断精度,本研究将固定阈值法进行了改进,该阈值是通过统计模型对整幅图像上灰度值进行计算,并通过最大类间方差法确定阈值。最后经过实际视频图像验证,仿真试验流程清晰,试验结果达到预期设想。     

基于路侧多传感器的低成本不利天气路况识别系统构架设计

不利天气路况信息采集是交通控制与诱导的基础。文中针对当前高速公路沿线路况监测设施不完备、监测密度和要素普遍达不到要求、路况识别智能化程度低的情况,提出了不利天气路况信息采集系统的功能与设计基本原则,在此基础上提出了低成本多传感器融合的不利天气路况信息采集系统框架;分析了道路气象数据滤波与视频图像中雨雪噪声去除方法,并提出了不利天气道路能见度与路面湿滑状况识别流程;提出路况采集软件应具有数据采集、数据处理、数据存储、数据传输与远程控制等功能,并对路况采集软件各功能进行了模块设计。     

基于复式伸缩窗的车辆排队与消散快速检测算法

基于视频图像处理方法,提出了一种复式伸缩窗来实时跟踪交叉口排队车辆队尾和队头的位置变化,从而准确描述交叉口车辆排队形成和消散过程。通过检测指定区域内车辆是否存在和是否运动,分别构建跟踪排队队尾和队头的队尾伸缩窗和队头伸缩窗。描述排队首尾伸缩变化的复式伸缩窗则由这两个伸缩窗相互协作所构成。根据跟踪队尾和队头的结果,车辆排队长度和停车延迟时间等重要参数就可以轻易得到。试验结果表明本文算法能实时准确地跟踪队尾和队头的位置,能适应不同天气环境和光照变化,其准确率达到92%以上,较好地满足车辆堵塞监控和交通信号灯控制的需要。     

多业务光传输平台在石吉高速公路中的应用

描述了石吉高速公路在闭路电视监控系统设计中采用多业务光传输平台、图像采用非压缩数字处理的新技术,实现对收费系统的业务接入、业务交换和业务传输.     

基于毫米波雷达和机器视觉融合的车辆检测

针对车辆检测中使用传统单一传感器的识别效果差、易受干扰等缺点,本文提出一种基于毫米波雷达和机器视觉融合的车辆检测方法。首先利用分层聚类算法对雷达数据进行处理,过滤无效目标;利用改进的YOLO v2算法降低漏检率,提高检测速度;然后运用目标检测交并比和全局最近邻数据关联算法实现多传感器数据融合;最后基于扩展卡尔曼滤波算法进行目标跟踪,而得出最终结果。实车试验结果表明,该方法的车辆识别效果优于单一传感器,且在多种路况下识别效果良好。     

基于视频分析的车流量综合检测算法

车流量检测是智能交通系统中的关键技术之一。研究了多种基于视频图像处理的车流量检测算法,包括基于灰度图像的背景差分法、帧差法、边缘检测法和基于彩色图像的色彩跳变检测法。在分析了以上算法在不同检测环境中适用性差异的基础上,提出了1种修正的背景差分法,并在此基础上实现了1种通用性更强的综合检测法。综合检测法结合背景差分法,边缘检测法和色彩跳变法三者优点,可依据光线条件自动选择检测区域和检测算法,适用于多种检测环境,准确率超过90％。     

道路平面交叉口车辆违章右转弯行为识别研究

城市道路交叉口场景复杂,流量巨大,是交通事故多发地点。而交叉口处车辆违章转弯是造成事故多发的重要原因之一。因此,研究道路交叉口处违章转弯车辆的检测、跟踪与识别技术对于减少交叉口处的事故发生,提高通行能力和服务水平具有重要的意义。本文利用计算机视频技术,并结合道路交叉口交通信号相位特性以及车道内行车标志线等信息,研究了交叉口处违章右转弯车辆的检测与跟踪算法,给出了违章右转弯行为的判定方法。     

基于ActiveX技术构建B/S模式的交通视频监控系统

基于ActiveX技术构建了B/S模式的交通视频监控系统,采用先进的H.264视频压缩算法和流媒体技术,很好解决了视频图像停顿、延迟和抖动的现象,实现对远程摄像头和云台的控制,实现多方位监控,并且大大降低了客户端的管理和维修费用.     

基于视频检测的交通冲突判别方法和模型

为了克服交通冲突传统人工判别方法的缺陷,提出了基于视频检测的交通冲突发生判别的基本流程,将交通冲突发生的判别划分为交通参数的视频检测、坐标变换和交通冲突判别3个阶段。在借助OpenCV和Matlab标定工具箱进行交通实体检测和坐标变换的基础上,建立了以冲突角度、速度和距离等指标为核心的交通冲突综合判别模型,并通过现实场景验证该模型的有效性。     

公路隧道远程视频监控功能的实现

常规隧道电视监视系统都是将模拟视频图像信号就近集中于管理所或分中心来进行监控,这种监控模式满足不了上级管理部门或相关管理人员异地远程监控的需求。利用具备视频信号压缩和网络链接功能的网络视频服务器,使异地远程监控成为可能。通过在原有的模拟视频集中监控系统中加装网络视频服务器,使管理者不仅可以在自己的内网系统任一终端上在线监控实时图像,还可以在任何地点任何时间方便地通过互联网进行在线监控。提高了系统的灵活性和服务水平,为检查、监督、决策及抢险指挥等提供了新的途径。     

汽车张紧器沉降性能检测系统的设计与研究

汽车张紧器的动态性能检测是汽车链式传动系统设计和加工过程中的关键技术之一,本文主要介绍了该质量检测系统的设计过程。文章首先对该系统的结构进行了分析,在此基础之上相应设计硬件和软件,最终通过上位机监控软件实现该系统的监控。     

基于车联网BSM数据与路侧视频融合的港口集装箱卡车碰撞危险辨识方法

大型港口集装箱码头运输车辆调度频繁，堆场过道和交换区等区域视距狭窄，容易导致港口集装箱卡车与设施、作业人员和车辆发生擦碰事故。为提高智能集装箱卡车在港口密集区域的轨迹跟踪精度和行车安全感知能力，提出了一种车联网条件下融合车载终端基本安全消息（Basic Safety Messages，BSM）数据和路侧视频数据的集装箱卡车碰撞风险辨识方法。采用YOLOv5s算法提取视频监控范围内的目标车辆和作业人员，根据目标集卡大尺寸特点设计非极大值抑制锚框来提高目标识别准确度。运用透视变换原理将目标像素坐标转换成地理坐标，并应用Deep-SORT算法匹配每帧图像的车辆轨迹信息。应用交互式多模型方法（interactive multi-model，IMM）融合视频轨迹信息和车载单元（on-board units，OBU）定位数据，减小了目标机动过程中的观测误差。基于集卡融合轨迹结果，提出了1种新型的轨迹冲突风险评估模型，能够根据目标集卡与周围目标轨迹的相对运动状态实时感知车辆碰撞危险，该碰撞危险检测结果在实际场景中可通过路侧设备对车载终端和作业人员终端实时播发预警信息。针对集卡跟踪误差的实验结果表明:IMM自适应跟踪轨迹的平均均方根误差为0.29 m，比集卡自主跟踪轨迹误差提升81.05%；融合路侧监控视频与车载终端定位数据能够克服车辆自主定位系统在密集堆场环境下的误差增大问题。集卡碰撞危险辨识的结果表明:车辆碰撞危险识别结果（预设ETTC阈值为2 s）的召回率、精确度和准确度相对集卡自主感知分别提升了7.39%，4.27%，2.50%，更准确地辨识出了视线遮挡情况下的轨迹冲突风险。      

基于速度分类算法的交通事件实时视频检测

交通事件实时视频检测技术是当前流行的事件检测技术。通过对交通事件的特征分析,综合对比面积分布和速度分布信息对视频检测效果的影响,提出基于速度分类算法的交通事件实时视频检测方法。在此基础上给出运动目标的速度提取算法以及事件判定准则,并完成事件判定。最终给出算法的实际场景实验结果并对结果进行分析。     

基于图像识别与追踪技术的高速公路交通事件有效检测范围

针对视频交通事件检测器的有效检测范围目前在行业内产生的广泛争议,结合摄像机安装高度、安装角度、摄像机性能指标,通过理论计算和试验验证,得到视频交通事件检测系统对相关交通事件的合理检测范围,从而为高速公路全程视频监控系统外场监控摄像机的布设间距、布设方式提供数据支持,实现高速公路全程无盲区智能化监控识别。计算结果表明,对于小汽车停驶等交通事件,其有效检测距离大于1 000 m的传统说法是不准确的,目前的技术水平很难达到,其合理检测距离应该在500 m左右,试验数据验证了这一说法,但视频交通事件检测系统的有效检测距离后续会随着摄像机性能的不断增强而有所提高,从而满足高速公路监控系统不断提高的监控需求。     

视频交通事件检测技术的研究与展望

主要介绍了目前国内外视频交通事件检测技术的发展现状,对目前视频交通事件检测技术所采用的虚拟线圈检测技术、识别与轨迹追踪技术进行了具体介绍,对基于各种检测原理的检测算法、检测流程进行了深入剖析,并结合视频交通事件检测技术的市场需求对该技术的智能化、网络化发展方向进行了预测,随着技术的发展,基于识别与轨迹追踪技术的交通事件检测技术将进一步深入发展,作者在西部课题的研究过程中,在国内外前期研究基础之上,结合交通安全性能分析,对交通事件检测技术进行了二次识别研究,大大拓宽了检测技术的范围,拓展了检测技术的深度,为视频交通事件检测技术的进一步发展打下了重要基础。     

隧道衬砌质量全断面检测台车研究与应用

为解决人工手持雷达天线进行隧道衬砌质量无损检测存在的测线偏移、仪器脱离隧道表面、往复作业检测效率低、安全隐患多等问题，研制一款可实现单次全断面机械化作业的隧道衬砌质量检测台车。该台车集成多级伸缩机械臂及九通道隧道质量检测系统，具有单次多线机械化同步检测、多通道雷达天线数据采集控制、雷达天线与隧道壁自适应、里程综合定位及视频采集等关键技术，并已在湖北郑万高铁某隧道使用，检测效果良好。相较于传统单次单线检测方式，检测效率由15 h/km提高至1 h/km；雷达天线自适应功能保证仪器紧贴隧道表面，检测连续可靠；同时，九通道隧道质量检测系统的应用，一定程度上实现了衬砌质量检测的信息化。