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.      

基于SPN-PF模型的行人跟踪算法改进

结合粒子滤波和神经网络方法提出了一种新的自适应的行人跟踪改进算法.根据行人跟踪经常出现的遮挡,失跟,误跟等问题,提出了一个SPN-PF模型,通过Sigma-Pi网络将行人的多个特征联系在一起,经过学习和计算,进一步讲结果运用到粒子滤波方法中,从而达到可靠准确的跟踪行人目标的目的.实验结果表示该文提出的方法能够更准确的对行人进行跟踪.     

融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

基于人头颜色空间和轮廓信息的行人检测方法研究

为提高智能视频监控中行人统计的实时性,提出了一种基于人头颜色空间和轮廓特征的行人检测方法.该方法首先根据人脸肤色、发色在YCbCr和RGB颜色空间的聚类情况,建立人头颜色模型,分割人头候选区域,并针对行人运动的特征,采用多帧差法提取运动信息,剔除背景噪声,修正候选区域的精度;然后根据改进的Canny 算子提取候选区域的轮廓,融合形态学对边缘进行修正,提取候选区域轮廓信息;最后根据人头轮廓的几何特征,剔除“伪候选”区域,并进行连通域信息标记,检测人头图像,从而对行人进行检测和统计信息.结果表明,该方法能快速有效地检测出人头,在动态场景下的行人检测取得了较好的效果.     

����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.     

多特征多阈值级联AdaBoost行人检测器

为了满足更快、更准、更鲁棒的行人检测需求,考虑交通监控视频图像质量不高与局部特征不明显的缺点,采用简单的行人特征来实现行人检测。除矩形度、高宽比、轮廓复杂度、宽度比、行人面积特征外,特定选用了对遮挡等干扰具有强鲁棒性的头部圆形度这一简单的局部特征。考虑交通监控视频图像中行人的尺寸变化,引入区域划分策略划分图像区域。兼顾高检测率和低误检率,根据分类误差最小原则与正样本分类率最大原则训练多个单特征多阈值AdaBoost行人检测器。为了优化多个行人检测器级联后的检测性能,在兼顾检测性能和检测速度的基础上,定义了以贡献率作为行人检测器的级联规则,依据贡献率大小确定的级联次序为基于高宽比、宽度比、矩形度、行人面积、轮廓复杂度和头部圆形度的行人检测器,依次进行级联,建立了新的多特征多阈值级联AdaBoost行人检测器。选用3个交通场景对行人检测器进行测试,并与单级AdaBoost行人检测器与现有2种级联AdaBoost行人检测器进行比较。分析结果表明:在3个交通场景的检测中,相比其他几种行人检测器,多特征多阈值级联AdaBoost行人检测器具有较高检测率、较快的检测速度和较低误检率,检测率最低为96.70%,误检率最高为0.67%,检测时间小于5s,满足交通场景中对行人检测实时性和可靠性的要求。     

无信控路段人行横道处行人过街建模与仿真

为精细化描述无信控路段人行横道处行人过街决策及微观运动行为,本文在行人过街行为分析的基础上,基于战术层-操作层构建行人过街双层模型。其中,在战术层面,针对行人分步决策特性,利用二元Logistic回归模型构建路侧和路中行人过街决策模型;在操作层面,针对传统社会力模型在描述行人过街时表现出的局限性,引入行人主动避让力和人行横道对行人的作用力,构建行人过街微观运动模型。最后,通过AnyLogic仿真平台实现行人过街双层模型仿真,并根据实际数据和仿真结果分析模型有效性。结果表明：相较于路侧决策模型,行人性别、停车视距内的车辆数和行人距潜在冲突点的距离这3个因素对行人路中决策结果影响更显著,引入行人主动避让力和人行横道对行人作用力的改进社会力模型,能更好地反映无信控路段行人过街时的行为特征。无信控路段人行横道处行人过街行为仿真模型的有效建立,能为后续行人过街安全改善方案提供决策支持。     

基于颗粒流离散元方法的行人动力学 模型及仿真研究

离散元方法是分析和求解复杂离散颗粒系统问题的一种高效力学数值模拟方 法,对于提高目前行人动力学模型中的求解效率,细致刻画行人运动中的力学关系具有 优势.本文利用颗粒接触理论中的软球模型描述行人的接触及挤压行为,以现有社会力模 型中的主观运动力作为外部输入,构建了基于颗粒流理论的行人运动模型,并在离散元 EDEM仿真平台上实现.通过对不同密度条件下行人运动行为及平均速度的仿真及统计, 对比实测数据,验证了模型的有效性;通过对比不同仿真平台的计算速度,验证了算法的 高效性.研究结果表明：模拟得到的行人流在不同密度下的行为符合现场观测,模拟所得 行人平均速度数据与实测数据基本吻合,所建模型具有较高计算效率.因此,基于颗粒流 理论的离散元方法能够实现对行人运动的模拟,且具有进一步的研究价值.     

北京市信号交叉口行人过街忍耐时间研究

为了保障信号交叉口机动车的通行效率,多数行人过街环境遭到破坏,“中国 式过马路”应运而生.通过对北京市信号交叉口行人过街忍耐时间的研究,在保障行人过 街安全的情况下对提高交叉口运行效率,推进“公平优先,保障效率”战略的实施,促进城 市交通系统高效运转具有重要的意义.本文结合当前北京市交通的特点,以红灯期间到达 信号交叉口人行横道等待区处违章过街的行人为研究对象,运用视频调查和人工调查相 结合的方法,采集了9 554 个行人过街忍耐时间样本.建立了信号交叉口行人过街忍耐时 间的韦布尔参数分布模型.结果表明,信号交叉口行人过街忍耐时间与环境因素、行人特 性、出行时间、交通状况,以及道路环境等影响因素有关.     

基于车联网V2P 的行人碰撞风险辨识研究

为探索基于车联网V2P(Vehicle to Pedestrian)通信技术的行人碰撞风险辨识方法, 首先,在车联网环境下实时获取了目标位置、速度、运动方向等信息,并分析了典型人-车相 对运动场景中交通参与者的行为不确定性,进而提出了人-车碰撞区域随机几何模型;然后, 综合考虑了车联网系统的通信延时、定位误差、人-车相对运动不确定性等多因素的影响,建 立了人-车碰撞事故概率和冲突风险程度模型;最后,通过仿真实验分析了行车速度、通信延 时、定位精度等因素对行人碰撞风险辨识模型效果的影响,以及各因素间的相关性关系.本文 提出的方法对行人安全保护研究具有一定的参考价值,研究结果同时指出了车联网系统通信 延时与定位精度的技术要求.     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。     

���˽�ͨ����Ƶ��ⷽ������

行人交通是我国城市居民出行的主要交通方式,而行人交通的视频检测技术对于智能交通系统的发展与应用具有重要意义,通过对行人检测和分析确定行人的运动轨迹,提取行人交通参数,为交通规划、管理与控制提供科学的数据。首先回顾行人交通视频检测技术的发展历程,综述研究的方法、技术和主要成果;其次,从行人交通系统的一般处理框架—行人检测、识别、跟踪和交通参数的提取,分层次回顾低级、中级和高级各处理阶段的发展水平;重点阐述各处理阶段的现有技术和方法,并将每阶段相应地划分为不同方法子类加以讨论;最后,分析行人检测研究的技术难点及未来的发展趋势。     

������Ƶ���е����˶�Ŀ����ٷ����о�

本文研究了基于视频序列的行人多目标跟踪方法。首先利用视频图像处理技术实现背景提取、背景更新、移动目标检测。然后利用移动行人在相邻两帧图像上位置和面积的变化特点，建立匹配矩阵，完成移动目标的匹配，实现多目标跟踪；最后利用实测的视频数据检验算法，实验结果表明，该方法能清楚地绘出行人的移动轨迹，分析了跟踪轨迹中噪声产生的原因。     

基于异构图学习的交通场景运动目标感知

为了提高无人车在交通场景中的运行效率和运输安全,研究了基于异构图学习的交通场景运动目标感知; 考虑实际交通场景中运动目标之间的复杂交互关系对目标运动的影响,基于异构图学习提出了交通场景中多目标检测-跟踪-预测一体化感知框架; 结合YOLOv5和DeepSORT检测并跟踪运动目标,获得目标的运动轨迹; 使用长短期记忆(LSTM)网络从目标历史轨迹中学习目标的运动信息,使用异构图学习目标间的交互信息,以提高运动目标轨迹预测准确度; 使用LSTM网络对目标运动信息与交互信息解码得到目标未来轨迹; 为了验证方法的有效性,在公共交通数据集Argoverse、Apollo和NuScenes上进行了评估。分析结果表明:结合YOLOv5和DeepSORT可实现对运动目标的检测跟踪,对交通场景中的运动目标实现了75.4%的正确检测率和61.4%的连续跟踪率; 异构图能够有效捕捉运动目标之间复杂的交互关系,并且捕捉的交互关系能够提高轨迹预测精度,加入异构图捕捉交互关系后,运动目标的平均位移预测误差降低了63.0%。可见,考虑交通场景中运动目标之间的交互关系是有效的,引入异构图学习运动目标之间的交互关系可以感知运动目标的历史与未来运动信息,从而帮助无人车更好地理解复杂交通场景。      

���е����˷���ˮƽ���۷����о�

人行道是城市步行交通系统的重要组成部分，其服务水平直接决定出行者对步行出行方式的选择态度。与传统的机动车服务水平以交通流运行状况作为评价指标不同，本文从行人步行的舒适性和安全性角度出发，通过分析行人主观感受与道路物理设施和交通流运行状况等客观因素之间的关系，研究人行道行人服务水平的评价方法。在大量调查数据基础上，利用SPSS软件运用数理统计方法检验确定了人行道行人服务水平主要影响因素，并以主要影响因素为自变量建立了人行道行人服务水平评价模型，提出了人行道行人服务水平等级划分依据。     

交叉口行人过街心理及交通行为分析

行人与机动车的冲突是影响交叉口运行效率的重要因素。研究交叉口行人过街心理及行为的意义,分析行人过街过程及心理特征,总结行人过街等待时间、穿行速度特征、可接受间隙、违章行为及道路交通环境对行人心理和行为的影响,对行人的违章心理进行论述,并提出减少行人违章的措施。     

Study on Moving Pedestrian Tracking Based on Video Sequences

The study on tracking of moving pedestrians based on video sequence has been presented in the paper. The video sequences have been processed by the background subtraction and adaptation, detection of moving objects, shadow detection, and image eroding and dilating in order to create the moving pedestrian contour. The change of location of the moving pedestrian contour and area has been considered in the method presented here. First, the method computed the centroid coordinates and radius of moving objects through the pedestrian contours. Second, the matching matrix has been established by the change of locations and radius between different moving pedestrians at two successive frames and the moving objects that matched each other have been found. The method has been tested using the video sequences of actual measurement, and the experimental results have been analyzed. Under the experiment condition, the contrails of moving pedestrians have been clearly drawn with a little noise at different image sampling intervals. Finally, the application condition of the method has been described.     

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%.