基于多特征融合的视频交通数据采集方法

提出了一种基于多特征融合的视频交通数据采集方法, 核心思想是: 在图像中设置虚拟线圈, 假设车辆从虚拟线圈上驶过时引起像素变化, 通过识别这种像素变化来检测车辆并估计车速. 与现有技术相比, 本文的贡献在于: 1) 综合利用虚拟线圈内的前景面积、纹理变化、像素运动等特征来检测车辆, 提出了有效的多特征融合方法, 显著提高了车辆检测精度; 2) 根据单个虚拟线圈内的像素运动向量来估计车速, 避免了双线圈测速法的错误匹配问题. 算法测试结果表明本文算法能够在复杂多样的交通场景和天气条件下, 准确地检测车辆和估计车速. 在算法研究的基础上, 研制了一款嵌入式交通视频检测器, 在路口长期采集交通数据, 为交通信号控制和交通规律分析提供决策依据.     

一种新的基于视频技术的车速检测方案

基于视频的交通量参数检测系统具有直观、安装简便和费用低的特点,它代表了车辆检测器的发展方向。本课题作为交通信息采集系统的一个重要子系统,它以实时的车辆行驶速度为研究检测对象,其目的是改进实时车辆速度的采集手段,为道路交通管理提供更为有效的依据,提高交通管理的自动化、现代化水平。该方法讨论了车牌定位、如何将车辆帧间移动的像素行映射为对应的实际距离和最终实现车速检测等内容。经实验证明,本方法易于实现,具有很好的可维护性,车速检测的精度较高。     

基于虚拟检测技术的隧道交通参数检测方法研究

针对隧道监控中的交通参数检测问题，提出了一种基于虚拟检测技术的隧道参数检测方法，挖掘隧道几何模型，定义虚拟线圈和虚拟检测线，根据虚拟线圈感应变化，检测隧道中的车流量；通过拟合投影关系，检测车速，实验结果表明：该方法具有较高检测概率，满足系统的实时要求，并且具有很高的抗噪声干扰能力。     

视频交通参数检测技术研究现状及发展趋势

车流量、车速、车道占有率等交通参数是智能交通发挥作用的前提和基础,也是智能交通系统的关键所在,视频交通参数检测可为其提供丰富的交通信息。文章首先介绍了车辆检测的方法,并对基于虚拟检测器和基于目标提取和跟踪的交通参数提取技术进行了分析,同时介绍了近年来提出的一些基于视频的交通参数提取的算法和步骤,最后分析了视频交通参数检测技术的研究方向、存在问题及发展展望。     

一种基于线扫描相机的新型交通检测器

针对基于视频的交通检测器的检测精度和实时性难以提高的问题,提出了一种基于线扫描相机的新型交通检测器。该检测器通过两个相距2米的线扫描相机捕获移动车辆的俯视图像,采用小波变换算法进行图像背景更新和目标提取,运用目标投影曲线相关匹配的方法进行车辆速度估计,最终检测出经过检测断面所有车辆的个数和速度。实验结果表明,基于线扫描相机的交通检测器在车辆计数和车速估计方面的性能上均要优于传统的基于视频的交通检测器。     

一种基于视频的车辆检测算法

本文讨论了对传统帧差法的改进,并结合边缘检测法,提出一种环境自适应能力强、计算量小,适合于运动和静止车辆同时检测的车辆检测新方法,可正确判断有无车辆、完成车辆的计数,进而实现车流量计算、车速估计。在计数算法中采用预估校正、相关性修正等措施,提高了检测精度,大大改善了车辆检测效果,从而为交通监控系统提供实时有效的交通参数。     

视频车流量检测中的虚拟检测区域自动提取

针对传统视频车流量检测中虚拟检测区域人为设置,使得系统不能自动适应不同的车道环境,灵活性低的问题,提出了自动提取虚拟检测区域的算法。利用均值法获得粗糙背景,再通过概率Hough变换和车道线特征排除各种干扰线段,获取车道线并自动提取虚拟检测区域。实验表明,该算法准确度达到90%以上,实时性较好、鲁棒性高,对后续实时车流量检测及车速计算等具有较好的应用价值。     

面向交通信息采集的智能无线传感器节点

为了准确实时获取交通信息参量,利用无线传感器网络技术作为智能交通感知前端和通信手段,融合GPRS技术,构建交通信息采集网,为道路交通信息采集提供了更加便捷的解决方案。设计了交通信息采集的传感器节点,提出了动态车辆探测算法和车速测量算法。实测结果表明:动态车辆探测算法和车速测量算法能够在计算能力有限的传感器节点上实现,能准确实时地获得车流量、车速等交通参量;该交通信息采集系统能满足网络大规模部署的需求,可应用于智能交通系统。     

基于概率算法自适应更新背景的运动车辆检测

交通流量检测是智能交通系统中的一个重要研究方向和热点问题,基于视频的车辆检测是交通流量采集分析的核心技术,它为交通流量参数的实时获取提供了可能。为实现在复杂交通视频场景中实时准确检测各类的运动车辆,在研究传统背景差分算法的缺点的工作基础上,提出一个自适应的贝叶斯概率背景检测算法,进而完成了较准确的运动车辆分类检测。实验结果表明该方法具有高效实时的特点,能够较准确地实现复杂交通路面的背景提取和运动车辆的检测,具有良好的鲁棒性。     

交叉口入口路段车流量及车辆换道率检测研究

针对交叉口入口路段交通视频中存在车辆遮挡严重、频繁走停以及频繁换道插队等特点,提出了一种获取交叉口停车线后大视野范围内车流量以及车辆换道率的检测方法.首先采用多级虚拟特征线生成多级时空图,对车辆进行快速检测和分割,获得车辆候选区域;然后对车辆候选区域内局部特征点进行初步分组和跟踪,并根据相同组内特征点运动趋势相似性来修正分组,解决车辆遮挡问题,用于检测车辆换道率;最后将多级时空图与特征点跟踪相结合,进行相互反馈,实现对车辆准确分割和鲁棒跟踪,避免车辆行驶中走停的影响.实验结果表明,通过该方法能实时准确地获取大视野范围内交叉口入口路段车流量和车辆换道率的交通参数.     

基于虚拟线圈的光流法车流量检测

在交通系统中常需要知道道路的占有率、车流量等交通参数。该文提出了一种有效的车流量检测方法，这种方法首先在视频图像中设置好虚拟线圈作为检测区域，然后用光流法对检测区域进行图像处理，求出光流场，根据光流场的信息来判断检测区域内是否有车辆通过，通过对检测区域的不断判断来统计车流量信息。试验证明该文提出的车流量检测算法具有实施方便、检测精度高的特点，而且很容易推广用来测量占有率、车速等其它交通参数。     

一种用于车辆测速的数据采集系统

车辆超速等交通违规行为的抓拍要求对车速进行精确检测,传统线圈检测器存在测速精度不高等缺点。该文设计一种用于车辆测速的交通数据采集系统,以CPLD为控制核心,通过设计相关的数据采集电路,实现对车辆交通数据的采集。通过CH365接口芯片,将数据实时地传到计算机中进行分析处理,并输出不同信号,满足不同检测需求。实验表明,该系统设计合理,能较好地用于车辆测速等交通检测系统中。     

基于视频的交通流信息采集算法的研究

为了解决高速公路的交通流参数的检测过程中车辆跨道行驶、阴影和遮挡物影响而导致的车辆漏检或误检等问题,文中通过在交通视频图像中感兴趣的区域设置“T”形虚拟线圈,同时在分析了车辆通过虚拟线圈过程中YUV颜色空间中Y分量的变化趋势的基础上,设计了一种帧间差分与背景差分相结合的车辆检测算法,并在此基础上完成车速的测量.实验证明文中的算法能在一定程度上解决车辆跨道行驶时重复计数、由于车辆阴影或其他遮挡导致的车辆漏检或误检等问题.     

基于无人机航拍影像处理的车速检测研究

车速检测作为交通系统中的重要一环,其效果与交通数据的采集方式紧密相关。当前车速检测大多依托增加道路基本设施等方式来实现,所需成本较高且容易受外界因素影响。文中引入机动性强且节能环保的无人机作为提取交通信息的媒介,对航拍所得视频中的影像做移动物体提取并进行车辆分类,随后提取车道范围及车道线宽度,以车道宽度为比例尺,利用前后影像相减法计算车辆移动像素距离,估算车辆速度。在不同飞行高度下对该方法的有效性进行验证,所得车速平均误差为3.22%,可有效解决智能交通系统中广域信息的获取问题。该方法可广泛应用于智能交通管理、灾害预测、地形地貌观测、农林防灾、应急救援等领域。     

一种基于车辆运动轨迹的车速估算方法

车速检测在交通信息采集中具有非常重要的作用,到目前为止,已经有许多检测方法被提出.该文提出一种计算方法,利用视频图像处理技术进行运动车辆的检测和跟踪,并且在车辆跟踪的基础上提取其运动轨迹,最后通过建立摄像机模型进行成像变换,计算出车速.     

视频交通实时采集系统的设计与实现*

视频交通实时采集系统是实现交通控制和监督的重要组成部分,介绍了一种简便实用的、以Visual C++6.0为平台,对车流量、车速等进行实时检测的采集系统,具有一定的实用性。     

基于时空马尔可夫随机场交通参数采集系统研究

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.针对这一难题,提出了一种基于时空马尔可夫随机场(简称ST-MRF)模型的车辆跟踪算法,用以得到目标地图和运动矢量地图.在目标地图和运动矢量地图的基础上提取交通参数,然后通过摄像机标定技术,获得实时的车速以及车辆运动坐标,最后通过对交通流三参数的分析,得到实时的交通流运行特征.这可为以后的交通事件检测提供依据.     

基于视频检测的高速公路交通信息采集系统设计

基于视频检测技术设计了一种实时的高速公路交通信息采集系统。系统利用图像处理技术对交通视频进行实时分析,能有效地获取车流量、车速、道路占有率等基本交通信息。现场测试结果表明,该系统具有很好的实时性和可靠性。     

吉林一号视频星数据在车辆检测中的可行性

针对新型高分辨率视频卫星数据应用于车辆检测问题,提出了一种包括车辆检测、交通密度计算、车速估算3个主要功能的车辆自动检测的算法。首先,基于自适应背景估计算法,利用背景差分法对每帧图像进行处理,得到静态背景图,再通过帧间差分法提取车辆得到车辆检测结果;其次,对车辆做缓冲分析得到每个缓冲区的车辆数量,利用交通密度公式估计出每帧图像中的车辆在整个道路网中的交通密度值;然后,利用车速估计公式估计出车辆的速度;最后,按上述方法得到整个视频的车辆自动检测分析结果。以"吉林一号"视频星数据为例进行了实验验证,经与其他方法比较证明该算法具有很好的可行性以及适用性。     

基于数字图像处理的交通信息检测

本文提出了一种基于数字图像处理的交通流量参数的检测方法，通过CMOS传感摄像头对交通道路摄取的车辆和交通场景来有效地检测交通参数，其中主要用到基于DSP的数字图像处理方法来对摄像头获取的图像进行获取、分析、分割及特征提取等。本方法可以完成单车道的城市交通要道的车辆计数和车辆速度检测等交通信息。该方法具有良好的实用性和可靠性，可用于现场采集交通信息以便调控交通道路状况。