基于视频车辆运动轨迹场的交通事件检测方法*

针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法.该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测.研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测.     

基于Haar-like特征和时空信息的交通状态区域检测

针对现有交通状态检测算法无法适应城市道路复杂交通的问题,提出一种新的基于Haar-like和时空信息的交通状态区域提取算法。该算法首先采用基于Haar-like特征的车辆检测算法、边缘检测法和帧差法分别提取路面车辆、空域纹理和时域纹理的三种信号;然后将提取到的三种信号进行统计分析,获得准确的交通状态区域。将该算法与基于车辆检测的交通状态检测算法和基于帧差法的交通状态检测算法在远距离小目标、遮挡车辆和混合交通的复杂交通场景中进行对比实验。实验结果表明,该算法在这些复杂交通场景中准确率平均达90.98%。     

基于随机森林的车辆行为分析方法

为了实现智能交通领域异常车辆的自动识别,结合实际情况及大量的实验仿真,提出一种由目标车辆检测跟踪、车辆轨迹处理、车辆行为分析三部分组成的解决方案.首先采用改进的高斯模型背景差分算法来检测目标车辆,接着采用基于粒子滤波算法跟踪目标车辆,然后拟合跟踪轨迹以提取特征值,最后将特征样本输入随机森林算法生成分类器,对车辆行为进行分析.实验结果表明该方法能够实现对现实场景中车速过快和频繁变道两种异常行为的识别.     

动态背景下运动车辆的检测与跟踪研究

为实现对车载设备视频图像中车辆的识别和跟踪,针对图像中的运动目标和动态背景,提出了一种基于特征学习的目标检测和超像素跟踪算法.该算法首先对训练图像进行HOG特征提取,并利用AdaBoost算法得到强分类器.利用强分类器对采集的图像进行车辆检测,从而确定搜索区域.结合对搜索区域的超像素分割结果,采用均值漂移聚类算法实现车辆识别与跟踪.实验结果表明,该算法可以很好地实现视频序列中的车辆识别,提高了目标跟踪的实时性.     

基于视觉和毫米波雷达的车辆检测

根据智能车辆主动驾驶辅助系统中的重要性,提出了一种融合毫米波雷达数据和视觉多特征的车辆检测算法。车辆检测算法通过三个步骤实现,首先,提出一种空间对准算法实现毫米波雷达和视觉的空间对准;其次,根据空间对准结果和搜索策略提取目标车辆的感兴趣区域;最后,融合车底阴影、对称轴、左右边缘等车辆特征实现车辆检测,其中,为了准确得到目标车辆的车底阴影,提出一种改进的车底阴影分割算法。算法的性能在不同的场景下得到证实,实验结果表明该车辆检测算法是有效和可靠的。     

基于C8051F310的高灵敏车辆检测算法

针对盘山路存在的转弯盲区,即在转弯时司机无法得知弯路对面是否有车辆通过,设计一种基于C8051F31C的山路转弯预防警示系统.该系统利用一阶滤波算法检测山路转弯时是否有车辆通过.运用该算法可增强系统检测的实时性,提高检测机动车辆的灵敏度,同时大大减少环境温度对检测的干扰.试验表明该系统能够正确指示出在山路转弯时是否有车辆通过,目前该系统已安装在盘山路上,可大大减少事故的发生率.     

强噪声背景下车辆震动信号检测算法研究

针对强噪声背景下车辆震动信号检测问题,结合车辆震动信号特点,提出了2种检测算法:基于功率谱分布的检测算法和基于负熵的检测算法,并将小波去噪用于强噪声背景下地震动信号的提取。该算法与一般检测算法相比具有环境适应性强、检测准确率高和运算量小的特点,这些优点使得该算法更适用于能量受限、工作环境复杂的无线传感网络。仿真结果表明该算法具有很高的检测准确率。     

基于车型特征提取的车辆检测程序的实现

车辆检测系统是智能交通系统的重要环节,基于视频图像的车型识别和车辆检测技术研究也越来越多。本文以实时视频为基础,介绍了一种车辆特征提取算法-弹性松弛袋算法,来提取车辆的车长车高特征,从而实现对车辆的检测和分类。本文着重介绍了弹性松弛袋算法提取车型特征的程序实现,通过实验的结果,验证了该算法的可行性。     

改进的SSD算法在智慧交通中的应用

针对智慧交通管理系统中交通车辆监控、车流量统计、违法车辆追踪等问题,为了提高目标车辆检测的准确率和效率,提出了一种改进的SSD( Single Shot MultiBox Detector)目标检测算法.该算法将相邻的卷积层进行特征信息融合,提高准确率;通过减少部分卷积层的深度,提高计算效率;为了提高泛化能力,在减少1...     

基于改进高斯模型的车流量检测算法

提出了一种基于改进单高斯模型的车辆检测与流量统计算法,该算法采用改进的单高斯模型对移动目标进行检测,然后选用HSV颜色空间抑制阴影,提高了目标提取的准确率,最后,按车道分别设置相应的虚拟区域,以实现车流量的统计工作.为验证算法的有效性,在标准测试视频上进行了对比实验,实验结果表明,该算法能够快速地提取车辆目标,且具有较高的车辆识别率,有一定的实用价值.     

临近空间目标探测分析

2010年美国在临近空间高超声速平台和武器研究领域获得了"里程碑"式的发展,高超声速飞行器具有突出的快速反应能力,使得"全球到达,全球作战"的作战理念成为可能。临近空间目标的出现对雷达预警探测系统的预警能力提出了挑战。文中在分析临近空间目标特征的基础上,研究了对临近空间目标预警探测的难点。     

基于合成孔径技术的轮对探伤成像算法研究

为了提高轮对超声探伤成像的信噪比(SNR)和缺陷的检出率,针对轮对超声探伤的方法和特点,提出了将轮对探伤结果B扫描图像与合成孔径聚焦技术(SAFT)相结合的图像处理技术。通过建立SAFT算法的数学模型,设计了SAFT算法处理软件,并以内部含有缺陷的China Railway High-speed(CRH)型车轮轮对为检测对象,进行了轮对探伤实验,实现并优化了基于SAFT算法的轮对超声探伤图像重建,验证了该技术的可行性和准确性。最后进行了SNR的定量数值计算和比较,结果表明,该技术能有效提高轮对超声探伤成像的SNR和分辨率,可提供更准确详实的缺陷信息,提高探伤系统检出率,从而有效保障车轮的安全运行。     

运用时空域信息优化的虚拟检测线组式视频车辆检测算法

本文提出了一种运用时空域信息优化的虚拟检测线组式视频车辆检测算法。针对车窗反光、环境瞬变等因素对车辆检测精度的影响,着重分析了对算法的优化方法。经过时空域信息的优化,这种算法的鲁棒性较运用单条虚拟检测线的算法有很大提高。算法的实验结果论文中也已给出,表明该算法有良好的前景。     

超声层析成像检测系统的研究与实现

为获得更清晰的图像检测效果，在超声波波动传播原理的基础上，采用超声阵列检测方法设计超声层析成像（CT）系统。将射线追踪算法引入到层析成像中，基于SIRT重建算法，实现速度重建。通过数值仿真表明：层析成像效果得到明显改善。     

基于注意力机制的实时车辆点云检测算法

针对现有激光点云目标检测效果、实时性差的问题,提出了一种基于注意力机制的实时车辆点云检测算法。本文所提出的检测算法将注意力机制算法与YOLOv3相结合,利用注意力机制对点云鸟瞰图的特征进行权重分配,以学习不同通道和空间下特征的相关性,并通过CIOU loss和Focal loss来改进检测器的损失函数。实验结果表明基于注意力机制的车辆点云检测算法检测速度可达30帧/秒,车辆目标的平均检测精度达到了92.5%。并且在实车数据测试中,该算法能快速准确的对一定范围内车辆进行准确识别,并且达到实时检测效果。     

基于嵌入式车流量实时检测算法研究与实现

针对道路现场实时车流量检测问题,提出了一种改进的帧间差分法的运动车辆检测算法,并将该检测算法成功移植到了嵌入式系统上。将帧间差分法与采用长度、宽度、面积筛选轮廓及用质心距离的车辆跟踪算法结合,实现运动车辆的检测;将U-Boot引导程序、Linux内核、Yaffs2文件系统和检测算法移植到S3C6410上,通过摄像头实时采集交通视频,检测结果由触摸屏显示。复杂交通场景的实时测试结果表明,本系统的检测时间为0.298秒/帧,准确率超过88%,基本能够实现在道路现场的车流量实时检测。     

交通监控视频中的车辆异常行为检测

构建了利用交通监控视频对车辆异常行为进行检测的系统框架.使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测,结合CamShift算法与Kalman滤波器进行车辆目标跟踪,提取车辆质心绘制运动轨迹,针对车辆运动方向判别、违章变道、调头等行为提出了检测方法.实验结果表明,提出的交通监控视频中的车辆异常行为检测系统具有较高的实时性与准确性,部署简易快速,维护成本低廉,可以满足当今智能交通系统日益增长的需求.     

Application of machine vision to traffic monitoring and control

Research efforts have been made or are in progress on the application of machine vision to traffic monitoring and control. Of all the proposed systems, the wide-area detection system (WADS) appears to be the most reliable. However, limited field tests indicate that some malfunctions exist. Among these are false vehicle detection caused by sudden changes in road illumination and also by shadows or glare on the road produced by automobiles in adjacent lanes. After a brief review of WADS characteristics and problems, algorithm improvements to alleviate these problems are proposed. It is shown that the WADS vehicle detection algorithm becomes more reliable if the vehicle detection threshold includes a term depending on actual road intensity. Finally, an algorithm that would permit vehicle tracking for distances up to 120 m using available charge-coupled-device (CCD) cameras is proposed     

基于RGB彩色通道的结构化道路车道线检测

车道线检测是车辆智能辅助系统的重要组成部分,为提高检测准确性,文中采用一种基于RGB颜色特征的车道线检测方法。根据车道线颜色特征设计转移函数标记图像中的车道线区域,并应用基于形态学的边缘检测算法提取车道线边缘,最终检测出车道线。文中算法原理简单,在车道线边缘识别上,具有较高的准确度,对自动车辆车道线检测有一定的意义。