基于稀疏分解的交通图像压缩

随着道路实时监控系统的广泛应用,需要处理的数据量激增,为了解决传统图像压缩方法随压缩比增大解码图像质量急剧下降的问题,提出一种新的基于稀疏分解的交通图像压缩算法。该算法将稀疏分解引入到交通图像压缩中,先根据交通图像特点,引入背景差法对交通图像进行预处理,然后采用稀疏分解算法对图像进行分解,最后通过分析交通图像稀疏分解后的数据分布规律,并根据低比特率图像压缩要求,提出改进的排序差分编码方案进行编码,以期在低比特率下,获得较好的解码图像质量。仿真试验结果表明,与现有的排序差分编码算法相比,该算法能够更有效地实现交通图像的压缩,相同压缩比下,解码图像有更高的峰值信噪比和主观图像质量。     

基于改进梯度相似度核的交通图像去雾算法

雾霾天气下,交通图像采集设备获取的降质图像含有较多噪声,图像边缘不突出,整体偏暗且对比度不高,灰白不清。针对传统交通图像滤波和去雾算法存在着滤波效果和边缘保持能力不能兼顾,容易出现噪声斑块,导致去雾后图像质量较低的问题,在传统梯度双边滤波基础上,设计了一种新的梯度相似度核,提出了基于改进梯度相似度核的雾霾天气下交通图像去雾算法。新算法首先将采集的含雾图像转换到Lab颜色空间,提升色域宽度,再利用改进梯度相似度核和空间相似度核分别计算图像中每一像素点与滤波框内临近像素点的梯度相似度和空间相似度权值,根据权值对图像进行滤波处理,然后将其转换到RGB颜色空间。最后根据大气光散射模型和暗通道先验原理,对滤波后的交通图像进行去雾处理,得到复原图像。试验结果表明：与传统双边滤波和梯度双边滤波算法相比,使用新算法处理后的复原图像峰值信噪比、归一化灰度差平均提升了13.25%、9.41%和21.76%、22.7%。新算法在保证了滤波效果,避免“噪声斑块”的同时,能够尽可能保持图像边缘细节信息,提升了雾霾天气下交通图像的去雾质量,对加强交通监控,保障交通安全有十分重要的应用价值和现实意义。     

项目开发与交通系统协调度评价

在交通影响评价的基础上,充分考虑交通的可持续发展,从项目的建设对交通和环境两方面的影响进行分析,不仅考虑了项目的开发对交通系统承载力上限的影响,还考虑了交通系统资源的充分利用问题以及经济性问题,即项目开发与交通系统的协调度。为了便于操作,同时又多方考虑系统内的各种影响因素,本文采取基于AHP的模糊综合评判方法进行评价。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通系统中,交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法将外场设备采集到的实时交通流数据与既有的交通状态分类标准特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术和交通工程技术,对环形线圈监测系统采集的交通流基础特征数据进行挖掘,实现了一种交通状态分类方法,并对交通管理控制系统中实时交通状态的判断识别提供可靠的参照标准。     

基于结构相似度的公路监控图像质量客观评价方法分析

介绍了3种基于结构相似度(SSIM)图像评价方法的改进算法,即基于频域的结构相似度、基于小波变换的结构相似度和基于Contourlet变换的结构相似度。通过3种方法的实验结果比较分析,认为基于Contourlet变换的结构相似度算法评价结果优于其他算法,其优势在于算法对图像信息进行了不同频率和不同方向的信息提取,更符合人类的视觉特征,该结果为公路监控图像质量客观评价算法设计提供了参考。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通管理系统中,各种交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法通常将外场设备采集到的实时交通流数据与既有的交通状态分类标准的特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术、交通工程技术对环形线圈监测系统采集的交通流基础特征数据进行融合挖掘,实现了一种交通状态分类方法。为智能交通系统的管理者和决策者提供了交通控制管理决策依据。并对交通管理控制系统中实时交通状态的判断识别提供了可靠的参照标准。     

基于Prescan软件的行人检测仿真

行人的安全问题是智能交通系统中一个重要的环节,针对目前交通环境使用了一种融合了车载的激光雷达和摄像头数据的行人检测方法,将雷达和摄像头联合标定,将由雷达数据聚类得到的目标区域投影到图像中获取兴趣区域,然后根据行人对称度分析,腿部垂直边缘统计和基于Hausdorff距离的模板匹配的结果,分辨行人与非行人区域.并在交通仿真软件PRESCAN中把该车载的行人检测系统建模仿真,并添加该文的行人检测算法模块,论证了该算法的鲁棒性.      

基于物元分析法的我国西北城镇绿色交通系统研究——以兰州市为例

针对我国西北城镇绿色交通评价缺少系统理论支持的现状,提出了物元分析评价模型。首先,阐述了我国西北城镇绿色交通的基本概念,分析了我国西北城镇绿色交通系统研究的必要性;其次,确立了绿色交通评价指标体系,并根据物元分析的原理,构建了我国西北城镇绿色交通系统物元分析模型;最后,对我国西北城镇绿色交通的实施效果进行了等级划分,并以兰州市为例验证了模型的实用性。分析结果表明,兰州市绿色交通实施效果等级为有序级,兰州市绿色交通系统的环境影响、资源节约等还有待进一步改善。     

高速公路紧急事件延误影响分析

为了评价紧急事件的发生对高速公路交通系统的影响程度,建立紧急事件的评价指标体系.从事件发生对交通延误的影响着手.重点分析事件发生对于交通延误的影响过程和相应的延误指标.首先界定了紧急事件,并分析了其对道路的影响程度.进而在交通工程学、系统工程学、网络分析理论的基础上研究了紧急事件的发生对高速公路系统的影响过程.通过图形和定性分析,并运用交通流理论、波动理论、延误分析方法给出了紧急事件发生对高速公路交通系统延误的影响指标和算法.     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

基于秩约束的车辆遮挡点恢复方法

为了恢复车辆跟踪过程中丢失的特征点,提出了一种基于秩约束的车辆遮挡点恢复方法,该方法利用所有车辆图像点组成一个秩3的矩阵,并利用该特性构造一个投影矩阵,利用该投影矩阵求到车辆遮挡点,再将求到的车辆遮挡点代替图像中的车辆遮挡点,经过多次迭代,最后求到车辆遮挡点的真实位置。该方法的优点是所有的图像及图像点都平等地看待,模拟试验和真实试验表明,该方法具有鲁棒性好、收敛性好及误差小等优点。     

高速公路场景图像的二值化及交通标志定位检测方法

采用CCD摄像机采集高速公路场景图像，并通过图像颜色空间变换，将图像的RGB量值转换为色度-饱和度-亮度（HSV）量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理；利用场景二值化图像形状特征（周长、形状参数、圆形性参数）去除非目标区域，并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明，应用上述方法能取得良好的效果。     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。     

交通图像在智能交通系统中的应用

介绍了交通图像的相关内容,包括其获得方式、交通参数的提取、图像的压缩方式及形式,针对交通图像在智能交通系统中的应用进行了相关讨论,如车牌检测和识别、闯红灯检测技术、超速检测技术、道路识别系统,提出了在处理过程中一些尚待解决的问题.     

基于视觉信息量计算的城市道路交通环境评价

通过对驾驶人在城市道路交通环境下的视觉信息需求进行分析与计算,将城市道路交通环境按照信息量含义的不同进行分层,建立了基于视觉信息层级模型的信息量计算方法.在此基础上,通过实车实验提取分析数据,对信息量计算中的参数进行计算与标定,得出信息量计算模型,并以行驶速度作为城市道路交通环境的评价参数,求出速度与信息量之间的关系,最终确定信息量阈值,建立基于视觉信息量计算的城市道路交通环境评价方法.该评价方法中速度与信息量之间呈较好的幂函数关系,R2达到0.9356,只需采集城市道路驾驶人视觉图像,通过软件分析可得出图像信息量,根据关系式和道路限速可得出信息量阈值,对比分析进行交通环境评价.该方法仅需采集驾驶人视觉图像即可完成评价,方便快捷、结果准确,但在软件处理图像信息量上尚未达到智能分析处理,尚需进一步研究改进.      

基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法.针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称 EPI),以此反映交通断面车流整体特征.基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测.针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高.      

基于视频的道路交通事件自动检测技术

结合当前道路交通事件自动检测的实践经验和国内外相关技术进展,讨论了交通事件检测的类型、目的和各种检测技术,重点介绍了基于视频的道路交通事件自动检测所采用的图像处理算法和基于视频的道路交通事件自动检测算法。     

基于3D空间球面的车载全景快速生成方法

为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。