基于纹理不变性的车辆阴影处理方法

由于视频蕴含丰富的信息，视频监控与检测技术在ITS中应用得越来越广泛．视频测量交通参数，需要从序列图像分割出车辆．车辆分割面临的一个难点就是检测与车辆连在一起的阴影．由于阴影在很多特性上与车辆一致。阴影经常被当成车辆一部分，影响车辆分割的稳定性与准确性．一般地，路面与车辆在纹理结构上存在较大的差异．文中推导了纹理在光照变化情况下的一种不变特性——极点分布，并提出了一个基于极点分布不变性的车辆阴影检测算法．这种算法能够精确地检测视频图像车辆的阴影，检测出因各种原因被误为车辆的路面，检测出车灯照射产生的路面亮斑，从而为车辆的精确分割和交通参数测量创造有利条件．     

一种基于车辆跟踪的微观交通参数采集方法

微观交通参数采集是智能交通中的重要技术。本文用基于车辆跟踪的方法提取微观交通参数，首先，利用动态图像处理技术进行车辆跟踪；然后，建立适于交通参数采集的摄像机模型：在此基础上，提出了基于车辆跟踪的车辆位置检测算法，瞬时速度估计算法，并阐述了其它交通参数采集方法，试验表明，这些方法可以有效的提取交通参数，实施方便。     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

基于ST-MRF的自适应车辆跟踪算法研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.     

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。     

公路收费站车辆跟踪及抓拍算法研究与系统实现

为保障公路收费站对车辆抓拍和车流统计的抗干扰能力,以静止单孔摄像机获取的检票口车道视频作为研究对象,提出了一种高效的易于扩展的抓拍判断系统框架.在分析常见运动检测方法优劣的基础上,从实时性和鲁棒性考虑,采用基于运动历史图像的改进的帧差法,以提高运动检测的灵敏度;为缓解服务器的计算压力,提出了一种高效的车辆矩形区域快速定位算法,并在此基础上定义了基于时间和空间变化的规则,以排除摄影机前人和杆臂运动对镜头的遮挡,最终构成了抓拍判断系统框架.此外,就多路车道在不同光照下并行地进行了实时抓拍实验,结果显示,在总时长5.5 h的测试样例中,车辆计数平均准确度达87.8%,证明该框架可显著减弱抬杆、落杆的遮挡以及光照变化的影响,提高抓拍的精度.      

基于高清视频检测和高清图片识别的车辆跟踪系统设计

近年来,随着道路交通的高速发展以及车辆保有量的急剧增多,涉及车辆的违章行为和违法犯罪活动也会越来越多。为了维护良好的道路交通秩序、打击和追踪与车辆相关的违法犯罪活动,对于公安治安和交警部门来说     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法, 设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域, 构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除, 并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内, 利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明: 算法的检测率为99.0%, 误检率为1.3×10^-4%, 检测时间为57ms, 检测率高, 误检率低, 检测时间短; 与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比, 本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。     

一种用于多摄像机无重叠视域环境下的车辆跟踪系统

针对当前交通监控系统中自动化程度较低、过多依赖人力进行监控的现状,文章设计了一种用于多摄像机无重叠视域环境下的车辆跟踪系统.该系统为中心-分布式结构,中心服务器与分布在前端的智能摄像机节点通过GPRS相连,与传统的功能单一的摄像头相比,基于DM642的智能节点可以在前端完成目标检测、跟踪以及分类等工作,并将抽象化后的目标特征信息通过GPRS传输给中心服务器,大大减轻了网络传输的压力.中心服务器根据节点传送来的目标信息,对不同摄像机视域下的目标进行匹配,实现了目标的连续跟踪,获得了更为全面的目标信息.试验表明,文章设计的车辆跟踪系统可以在较大监控范围内有效地跟踪目标车辆.     

基于视频图像的车速检测研究

基于视频图像计算车速的方法进行相关图像处理、运动目标特征点提取、摄像机标定、车速计算、误差分析等,并分析其应用条件。最后运用matlab软件编程得到一个可操作界面,具有较强的实用性。该方法能检测到车辆碰撞前后的真实车速,为交通事故鉴定提供依据。     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

不良交通流状态实时监测支持向量机模型算法研究

交通流安全实时预警是交通主动安全防控的重要前提.采用实际事故发生前的交通流状态作为不良交通流状态判别标准,通过对车道级交通流数据进行参数提取,结合主成分分析法进行参数降维后得到9个主要参数.建立以径向基为核函数的交通流安全实时预警支持向量机模型,采用网格遍历法确定最优的支持向量机模型的惩罚参数C和核函数参数γ,最终构建的支持向量机模型能够成功地识别79.55%事故对应的不良交通流状态,能够有效地对高速公路上的不良交通流状态进行实时监测预警.     

交通事件自动报警系统应用分析及对策研究

基于视频检测技术的交通事件自动报警系统可以对交通事件和交通流参数进行实时检测,并对交通事件以报警的形式通知管理者,能够有效预防交通事件和真实地再现事件过程,对提高城市道路交通安全和交通管理水平具有重要应用价值。文章结合杭州市采用的视频检测交通事件自动报警系统的应用实践,分析了系统在实际应用中存在的问题,并从交通管理角度出发,提出了相关解决办法与建议。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。