基于多尺度区域网格的公路车辆自动检测识别

提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法用于检测识别特定公路段行驶的车辆．特点是不用对摄像机进行标定，使用方便，算法简单，运算速度快，识别距离远．用不同的N值对不同距离处公路宽度进行水平等分并且在车辆目标位置形成区域采样网格．由于模型图像采样网格密度也由N值决定，利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配．     

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型（GMM）与背景累加模型（BAM）的组合前景提取方法,该方法将GMM与BAM组合得到的2 种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行“与”操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny 边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV 和Matlab7.1 实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.     

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．     

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.     

基于深度学习的公路货车车型识别

为判断公路货车车型，并提升货车车型识别的速度与精度，提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测；采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像，建立了货车侧方图像数据集，并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像；通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络，并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型；针对单帧图像可能同时出现多辆货车的情况，采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息，提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明：图像经过预处理可显著增强车辆的特征信息，优化后检测模型的网络性能得到提高，通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题；优化后的检测模型实时检测速度可达47帧·s^-1,对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别，为公路货...     

实时二维多尺度目标识别方法及其应用

序列图像中多尺度目标具有灰度值分布一致性和不变性的特点.据此,提出基于量化灰度值自结构的动态目标识别方法.自结构的形成是通过相邻采样点之间的比较实现的.量化是对比较结果进行开关运算得到的.量化自结构之间的差值表示识别结果.识别计算过程可在0.3s～0.5s内完成,比一般的识别方法较大地提高了运算速度.本方法不受图像模糊的影响,提高了识别的可靠性和鲁棒性.应用实践表明,此方法是可行的和实用的.     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测,识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统.通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯.从而估算城市道路汽车流量,并调整道路中间隔离栅.仿真实验结果表明:算法能够有效的检测,识别目标,并对控制系统进行自动调节.     

基于混合高斯背景建模的交通视频运动目标检测

目前最常用也最有效的运动目标检测方法是背景减除法,其中背景提取是背景减除法的核心.传统的运动目标检测方法无法解决场景的光线突变、背景图像发生变化以及前景运动目标物体的阴影干扰等问题.针对交通视频中背景模型的实际情况,采用混合高斯分布对视频背景进行建模,将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像,并将所得图像进行形态学去噪处理.通过相关的仿真实验,证明了该方法能够比较准确地检测出前景运动车辆目标.     

基于监控视频的公路能见度检测方法

雾霾、沙尘等低能见度天气状况的频繁发生,严重影响到日常交通管理及出行者的生命、财产安全。针对低能见度环境下极易发生公路交通事故的问题,提出一种利用公路沿线已经架设的监控设备对各路段的监控视频数据进行实时图像处理分析的公路能见度检测方法。该方法是在传统暗原色先验算法的基础上,将监控视频帧转换为灰度图像,并结合自适应导向滤波算法和四叉树图像分割算法,提取监控图像所包含的空气透射率及大气光值等特征参数。然后基于能见度计算模型,依据监控设备与检测目标物之间的实际距离及偏移角度,估测道路的能见距离。实验结果表明,优化后的图像处理方法可以解决图像清晰度低、色彩失真、场景适应能力差等问题,且检测的能见度值误差率满足我国公路能见度检测精度要求。最后,结合能见度检测方法,提出了相应的能见度预警策略并应用于公路能见度检测与预警系统,为驾驶员实时提供雾区路段的能见度值信息和预警建议。     

日间高速公路侧后方车辆识别方法

为帮助驾驶员发现目标车道侧后方车辆尤其是视野盲区内车辆,从而避免或减少换道过程中发生的交通事故,提出了日间在高速公路上识别侧后方车辆的新方法.根据路面灰度值,将日间图像分为正常光照和弱光照两类.由于车辆阴影的灰度小于路面平均灰度,根据两侧车道区域内存在的灰度突变确定出侧后方车辆的可能存在区域.对确定的区域采用相应的阈值分割方法进行图像分割.在对分割后的二值化图像去噪、边缘提取和细化,以及提取车辆直线水平边缘基础上,根据系列车辆统计获得的先验知识(车辆前车窗的大小及比例等)验证车辆的真实存在.试验结果表明,该算法具有较好的可靠性和鲁棒性.