智能交通系统中的计算机视觉技术应用

随着经济的发展,如何保障交通的顺畅与安全已成为世界性的热点研究课题之一。文章对智能交通系统进行了分析,并着重讨论了计算机视觉技术在智能交通系统中的应用。提出了一种基于背景差的车辆检测算法,在灰度图像序列中对六条车道同时进行监测,以统计各车道的车流量,并按大中小三种车型对过往车辆进行车型识别。     

基于帧差法和背景差法融合的车流量检测方法

研究优化车流量检测准确度问题。针对运动目标速度和外界环境都是影响车流量检测准确性,容易造成车流量的漏检和误检等。为了克服传统算法所存在的缺陷,在现有算法的基础上,提出了一种融合帧差法和背景差法的智能车流量检测方法。首先利用帧间差分方法为主,结合减背景方法为辅,然后通过一种迭代阈值分割法滤除噪声并对背景进行实时更新。完成了多车道的车流量检测,并进行了仿真,结果得到多组数据,并提高了计算准确率。仿真结果表明,改进方法可有效地提高了车流量检测精度。     

车道流量自动统计及被占用对通行的影响

车流量检测是智能交通监控系统的重要组成部分. 提出一种基于灰度阈值的车流量检测算法,利用该算法对一条三车道道路上同一横断面相邻车道发生交通事故时,另一条未发生交通事故车道的车流量进行了统计,并对不同的未发生交通事故车道（内车道和外车道）的车流量的差异进行了t检验. 结果表明,利用该算法统计的车道的车流量准确率达95%以上,说明该算法是可行有效的;当相邻车道发生交通事故时,不同的未发生交通事故车道（内车道和外车道）的通行能力有显著差异.     

基于高斯混合模型的多车道车流量检测算法

研究视频的城市交通路口车流量检测准确率的问题,由于车速过慢,有效性差.针对目前的车流量检测算法仅限于单车道车流量检测及准确率低的问题,提出了基于高斯混合模型的多车道车流量检测算法,在交通路口的视频中设定所要检测多个车道的检测带并根据车道线划分车道,运用高斯混合模型对检测带进行背景建模,结合背景差法提取运动车辆,通过垂直投影方法解决车辆断层引起误检的问题,对车身宽度与阈值的比较判断车辆是否通过检测带,实现了多车道车流量检测.实验证明,多车道算法能有效克服断层引起误检的问题,检测车辆准确率高,实时性好,鲁棒性高,为智能交通灯控制提供准确参数.     

一种车辆视觉导航中自适应背景模型提取算法

为了解决统计背景模型在图像远景及车流量较大时容易出现错误像素点的问题,提出一种自适应背景模型提取算法.在车流量少时,利用统计直方图法提取背景;在车流量大时,利用帧差法获取图像中背景像素点,然后求其平均灰度值来重组的图像帧,最后利用统计直方图法进行背景建模.定义了算法比较标准,并据此比较了该算法与传统算法在不同车流量下的性能优劣.实验结果表明,通过分析图像中运动车辆像素信息区分车流量大小,实现对背景提取算法的自适应选择,使其在实际应用中更具针对性和灵活性,为准确地检测出运动车辆提供必要的基础.     

基于自适应虚拟线圈的多车道车流量检测算法

针对虚拟线圈检测算法在多车道车流量检测中存在误检或者漏检的问题,提出一种基于自适应虚拟线圈的车流量检测算法。根据图像二值化原理,对ViBe算法的前景检测部分进行二次判断,并改变背景更新机制,提出一种改进的ViBe算法,以达到快速消除鬼影的目的,更准确地完成前景目标提取。在道路上设置固定检测区域,根据运动目标在固定检测区域的运动轨迹来建立或者消除非固定虚拟线圈,再进一步使用虚拟线圈的车流量检测算法实现车流量统计。选择三个不同的场景4车道无车辆变道、2车道有车辆变道和3车道有车辆变道且环境突变进行实验,所提算法的车流量检测准确率比传统的虚拟线圈算法分别提高8.9、25和16.6个百分点,且所用时间相当。实验结果表明所提算法更适用于多车道的车流量检测。     

一种基于无人机视频影像的车流量统计算法

针对城市智能交通管理系统中车流量统计出现的漏检误检问题,提出一种基于无人机(unmanned aerial vehicle,UAV)视频影像的车流量统计双虚拟检测线算法。算法利用数字图像处理技术和计算机视觉对视频流进行处理,首先对无人机获取的视频影像采用均值滤波进行去噪处理,利用改进的多帧平均方法提取出初始背景,通过背景差分法检测出运动目标,然后使用混合高斯背景模型进行背景更新,设置双虚拟检测线并计算二值图像上位于双虚拟线内的连通区域面积、长宽比,统计出实时的车流量。实例验证结果表明,该方法的准确率在非高峰期达到92.94%,高峰期达到91.62%,为城市智能交通管理提供了可靠的数据支持。     

基于视频图像的车辆实时检测系统

针对道路车辆的实时监测系统检测效率和精度较低的问题,设计一套实时监测系统。对视频图形进行灰度化、滤波及增强,并分割出统计区域。在分割出的图像中,设计统计众值法构建背景模型,设置阈值获得前景图像,采用Canny算子检测车辆边缘,将前景图像与车辆边缘叠加进行形态学运算以获取车流量统计结果。实验结果表明,该系统准确率高达98. 45%,能够满足智能交通系统对检测效率和精度的需求。     

基于虚拟窗口的自适应车流量检测应用研究

基于视频交通检测中实时性和准确性要求,研究了三帧差分、背景差分及动态阈值等算法,提出增加虚拟窗口的方法,使整个车流量检测算法只针对有效序列图像信息进行处理.该方法通过排除差异大图像求均值,快速初始化虚拟窗口背景模型,在检测窗口内使用三帧差分和动态阈值准确定位运动车辆目标,实时更新背景后,根据背景差分法得到的窗口图像信息统计车流情况.实验结果表明,该方法可以有效应用于基于视频的实时车流量检测中.     

单片机在智能交通灯控制系统中的应用

介绍一种基于AT89S52单片机的车流量变化动态调节时间的智能交通灯的设计方法,可自动进行流量统计;根据模糊算法分配各车道的绿灯时间,实现车流动态调节。介绍车流量检测的原理与绿灯时间分配方案,针对复杂多变的路况环境,特别增设了紧急情况处理模块,完善了交通灯控制系统。     

复杂背景下基于深度学习的视频动作识别

快速有效地识别视频中的人体动作,具有广泛的应用前景及潜在的经济价值。但目前的视频动作识别方法易受到运动人体晃动、背景变化、摄相机抖动、运动人体阴影等背景因素影响。为解决上述问题,本文提出一种非局域时间段网络方法。该方法在双流网络的基础上,通过加入非局域计算使网络能关注到更大时空范围的信息,并进一步融入光流信息使网络更精确地将注意力放在动作区域,从而增强对视频复杂静态背景的鲁棒性。此外,为了融合双流分段网络的多路判别结果,本文使用可学习的加权平均取代简单平均来融合多模态信息。经过在TDAP数据集上的实验验证,本文的模型可在复杂背景下较为精确地识别出人体动作,与原有模型相比在几乎不增加时间复杂度的前提下提升了识别性能。     

基于多核处理器的混合测试流量生成技术

以典型多核处理器IXP2400为例,结合测试流量对精确性的需求提出混合测试流量生成技术。该技术用空操作循环替代处理器提供的时钟,利用改进弦截法对测试帧间时延求解,将得到的结果应用于测试流量生成,以控制混合测试流量的发送速率。实验结果证明,该技术在线速1GB／s内可以将混合的测试流量平均误差控制在0．497MB／s。     

基于花园口水文站水文特征的流量测验计算系统设计

根据河道断面流量测验的基本原理,对流速仪获得的信号,采用VISUAL STUDIO.NET 2003工具以及C#语言,开发设计出了流量测验计算程序,并运用流量测验计算程序对花园口水文站流速仪实际测量的信号进行了处理计算,得到了河道断面流量,与传统手工计算河道断面流量方法相比,运用流量测验计算程序计算河道断面流量,操作简便而且精度高,值得在水文站河道断面流量测验中进行推广应用。     

基于DSP的单车道车流量实时监测算法

针对传统的车流量检测系统采用感应器设备硬件安装繁杂及通用车流量检测算法无法判别车辆行驶方向的问题,提出一种基于数字信号处理器（DSP）的单车道车流量实时监测算法,并应用于停车场。首先,在虚拟检测带上使用背景差分法完成车辆检测,并对均值法背景建模进行改进;其次,提出一种邻帧二值归类算法对车辆行驶方向进行判别;最后,在虚拟检测带上进行车流量计数并将车位情况实时显示于LED显示屏上。通过模拟实验验证了所提算法的可行性,并在实际测试实验中,得到邻帧二值归类算法方向判别的准确率为96.5%,车位监控算法准确率为92.2%。实验结果表明,该单车道车流量实时监测算法准确率较高,节省了检测系统设备,可以应用于单车道停车场进行车流量实时监测。     

一种改进的路口背景频度估计算法

从路口视频图像中实时地构建道路背景图像是基于背景减法的车流量检测的前提。由于路口车流信息复杂，图像受外界环境因素影响大，现有的背景估计算法都有不足之处。该文提出了一种改进的频度背景估计算法，通过离散样本图像，实时地构建背景。该方法不仅算法简单、实时性高，而且增强了在背景估计时对光线变化的适应性，提高了背景建模的准确度，可适用于基于视频的路口信号灯的智能控制系统。     

基于对极几何约束的动态背景下运动目标检测

针对动态背景下运动目标的检测问题,提出了一种基于对极几何约束的检测方法。该方法利用了视频序列中相继帧对应的背景角点满足对极几何约束条件这一原理,先提取前一帧的Harris角点,然后利用金字塔分层的Lucas-Kanade光流法获得在下一帧的对应点;利用随机采样一致性算法估计出基础矩阵,来识别背景角点和前景角点;对得到的前景角点进行聚类,每一类对应于一个运动目标区域。实验结果表明,该方法检测准确度高、检测速度快,满足实时处理的需求。     

基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。