交通视频背景估计动态高斯混合模型

为适应交通环境多变情况下实时交通信息动态采集的要求,提出了1种基于单高斯分布假设、图像分块处理、利用帧差法进行样本选取的动态混合模型对交通信息的图像背景进行快速估计,并在实际道路环境下对多种方法进行实验比较,证明该模型有效地削弱了运动物体和噪声对于背景估计的影响,具有较好的正确性和有效性.     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

一种用于交通信息采集的图像背景快速估计方法

为适应交通环境多变情况下实时交通信息采集的要求，提出一种快速高效的背景估计方法。该方法以单高斯估计模型为基础，参数简单，算法实时性好；在采集样本时通过帧差法对图像进行分块选取，从而保证了样本的纯度，有效地削弱了运动物体和噪声对于背景估计的影响。通过实际道路环境下多种方法的实验比较，证明所提出的方法的正确性和有效性。     

视频交通场景的背景生成方法研究

通过对视频交通场景特点的分析,提出了基于视频技术的交通场景背景生成及其更新方法--背景相异像素迭代法.并通过试验和与其他算法进行比较,证明了该算法背景生成和更新的可行性和先进性,解决了在交通流密度比较大的情况下难以进行背景生成和更新的问题.本算法对于提高交通视频检测在实际应用中的准确性和适用性具有重要的意义.     

城市混合交通场景中的多目标参数检测

针对城市混合交通的复杂场景图像中多目标及其参数的检测问题,提出了一种由改进的帧间差分与边缘提取相结合的算法。利用帧间差分法检测车辆的存在,对帧差图像运用统计滤波算法提取多运动目标,通过形态学方法提取并细化目标边缘,根据主边缘（轮廓）信息完成车辆定位,最终结合摄像机标定结果计算出多目标交通参数。算法避免了复杂场景的背景建模,减少了运算量。实验结果表明,该算法不仅能较为准确地检测多运动目标的参数,而且具有较强的实时性。     

基于卡口数据的交通参数提取方法研究

针对交通参数提取繁琐及流程混乱问题,提出了数据预处理-指标提取-可视化一体的交通卡口数据挖掘流程.针对传统断面数据无法获取过饱和状态交通参数的缺陷,通过深入挖掘卡口数据蕴含的时间关联信息,并结合路网空间逻辑关系,基于Pandas和NumPy工具包构建了行程时间、平均车速和车辆延误提取模型,进而利用时空轨迹图研究了过饱和状态下的最大排队长度测算方法,该方法使用延误、流量、车速参数均为实时提取,实现了主动全时状态提取;以淄博市实际道路卡口数据为例验证了模型的有效性,结果显示,排队长度的准确率达85%以上;基于Python可视化库和Echarts对数据分析结果进行可视化处理,实现了交通需求及状态数据的动静态展现,能够为智能交通管控的决策提供支撑.      

车辆跟踪中的背景初始化与更新方法研究

对常见的背景初始化及更新方法进行了分析,提出了改进的背景更新方法.采用四邻域帧差的方法减小噪声的影响,同时基于形态学种子填充技术消除由于车辆表面存在大的灰度均匀或局部与路面灰度接近产生的"孔洞"现象.在此基础上对逐渐修正的背景更新方法进行改进,利用背景差和相邻帧差的方法确定车辆的运动区域,针对不同区域采用不同的更新方法进行更新,提出了新的背景更新方法.实验结果表明,在保持近似背景更新速度下,该方法优于传统的2种方法.     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

城市路网中浮动车数据和线圈数据的融合

交通信息是 ATMS 的基础和核心,从实时交通数据中准确估计交通参数、判断和预测交通状态是 ATMS 的重要内容.文中在信息融合理论的基础上,介绍了交通数据融合的基本内容.分析了浮动车数据和线圈数据的特点后得出:在城市路网环境中,虽然浮动车采集和线圈采集方式各有优劣,但他们在时间和空间上具有很强的互补和冗余.为充分利用已获取的交通信息,应实现这两类数据的融合,并对浮动车数据和线圈数据的一般融合模型和基本融合方法进行了论述,明确了交通融合问题的2种研究方法,即通过仿真手段得到的数据和现场采集数据作为融合的数据源来验证融合模型.     

基于改进密码本模型的视频对象检测

提出了自适应块均值码本模型,可以有效地处理动态背景。该方法考虑了块中像素在相邻帧间的时间联系,像素与其相邻像素间的空间联系,而不是认为像素间相互独立,并能够根据背景变化自适应调整图像块的尺寸。改进的码本模型将当前帧分割为大小自适应的非重叠块,当块中变化像素面积在一定阈值范围内时,将该图像块4等分,并用块均值建立粗糙的cache码本;在码本精细化过程中,用Mahalanobis距离计算cache码本问相似度,相似度高的码本融合为一个码本,最终得到精细码本;将改进模型与HSV色彩空间相结合,可以有效地对前景运动目标和背景进行分割。实验表明,改进的码本模型可以有效的处理动态背景,同时在处理速度上可以满足实时前景背景分割的需要。     

BST有关背景及法规解读

介绍客运半挂车的背景及有关政策法规,并探讨其目前障碍解决方案。     

基于计算机视频的交通流参数检测

针对视频交通流的特点，在总结以往视频车辆检测方法的基础上。提出了一种改善背景的更新方法，并着重对车流量统计和车速计算算法的实现进行了介绍。最后给出了实现结果并讨论了提高检测数据准确性的措施。     

一种基于同态滤波的背景建模方法

在道路视频检测技术中提出了一种基于同态滤波的背景建模法。对图像进行同态滤波的预处理,以适应渐变的光照情况。通过图像分块与帧间差分来获取临时背景序列,为背景建模做准备。为了处理背景中由于车辆突然开动或停止产生的＂鬼影＂,对帧序列有效区中的每一像素进行基于灰度分区直方图模式建立背景模型。这种方法既能应对光照渐变又能适应大流量且车速慢的拥堵情况。实验结果表明,此算法具有良好的可靠性与鲁棒性。     

一种商用车铅酸蓄电池状态监控系统的开发

本文介绍一种商用车铅酸蓄电池状态监控系统的开发,系统实现蓄电池传感器实时采集蓄电池状态参数信息,并通过TBOX将数据上传至后台服务器,进行数据存储分析及报警判断,并将亏电报警信息推送给手机客户端,提醒用户注意。同时,系统根据蓄电池SOC值的限值判断,进行电磁开关的切断控制,以保证车辆的正常起动。     

基于模糊理论的路面裂缝图像增强方法

在获取路面图像中，由于背景光照不均匀以及存在着一些路面噪声，给后来的图像分割及识别带来了一些困难。提出了一种基于模糊理论的图像增强方法，用来消除背景光照不均匀，并通过实验验证了该算法。实验结果证明了该算法对消除图像不均匀的有效性。     

交通预测中的基础分析

交通预测基础分析是交通预测的基础,其提供的信息在预测方法、模型变量选择以及预测评价等方面都发挥着很大的意义。本文结合交通预测步骤,通过案例分析探讨了交通预测基础分析的重要性,以及如何应用预测基础分析提供的信息来指导交通预测。     

发动机噪声测试环境的研究

从声压和声强两个角度研究了背景噪声和声反射对噪声测量的影响,并探讨了减小影响、提高测量精度的措施。在保证精度的前提下找到可应用于普通实验室条件乃至工作现场的噪声测试方法。