融合多帧信息的Retinex监控视频增强算法

针对传统Retinex监控视频增强算法照度分量提取不够准确的情况,利用监控视频背景的时间相关性,融合多帧背景进行照度估计,提出了一种新型Retinex监控视频增强算法:对视频单帧图像进行大、中、小尺度的高斯低通滤波,得到3个尺度的环绕图像,并对其取极小值以提取该帧的背景照度图像,通过融合当前帧和其邻帧的多帧背景照度图像,获取当前帧上准确的背景照度图像,再应用Retinex色彩恒常性理论,去除照度干扰以获得反射光分量,实现当前帧的增强。实验结果表明:该算法可以从夜间视频阴影中恢复出景物,得到亮度、色彩、细节较平衡的视频。     

城市复杂环境下基于三维激光雷达实时车辆检测

针对目前车辆检测准确性不高的问题,提出一种在城市复杂环境下单帧准确实时检测静止或运动车辆的算法.车辆检测系统采用三维激光雷达点云和二维栅格相结合,其中障碍聚类和障碍块轮廓在二维栅格地图上提取,而障碍检测和车辆检测在三维点云数据上处理.检测准确性的高低主要取决于所选的特征是否具有很好的区分性.针对几何形状相似难以区分和物体遮挡等问题,采用3种特征描述:反射强度概率分布、纵向高度轮廓分布和位置姿态相关特征,并利用支持向量机(SVM)训练分类器实现车辆的实时检测.实验中比较和分析了不同单特征和综合特征的检测性能,结果表明:自主车在城市环境下能以每帧200ms实时准确地检测环境中的车辆.     

机器视觉的低照度图像缺陷识别方法

对低照度图像实施识别的过程中,现有低照度图像受自身导图以及光线影响,含有噪声图像,导致现有方法在图像照度在15～45 lx的范围内存在缺陷区域图像对比度较低的问题,为此提出一种基于机器视觉的低照度图像缺陷识别方法.通过灰度变换算法改变低照度图像中各像素点的实际灰度值,并通过线性变换增强低照度图像对比度.根据有雾图像与低照度图像的反转图像之间的相似性对低照度图像实施降噪处理,精确估计图像缺陷区域.通过SIFT特征描述低照度图像的特征点,对低照度图像的特征进行提取.根据提取的低照度图像特征,基于机器视觉构建低照度图像缺陷识别模型,实现低照度图像缺陷识别.为了证明基于机器视觉的低照度图像缺陷识别方法实现了缺陷区域对比度的提升,将原有方法作为对比实验方法,比较该方法与原有方法的缺陷区域对比度,结果证明该方法成功实现了缺陷区域对比度的提升,更适用于图像照度在15～45 lx的范围内的低照度图像缺陷识别.     

一种基于Adaboost算法的车辆检测方法

由于车间安全距离不足容易导致追尾事故的发生.前方车辆的检测能为建立完整的汽车防撞预警系统提供必要的辅助信息.本文提出了一种采用Adaboost算法训练得到的级联分类器实时检测前方车辆的方法.通过选取扩展的类Haar特征,采用Adaboost算法训练得到一个识剐车辆的级联分类器.最后将训练得到的分类器应用至ll实车车辆检测系统中.试验结果表明,基于此算法的车辆检测方法具有检测率高、速度快,能够达到实时检测的要求.     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.     

基于连续密度隐马尔可夫模型的矿下异常行为识别算法

针对当前方法识别精度不高的问题,提出了基于连续密度隐马尔可夫模型的矿下异常行为识别算法。获取待识别矿下视频帧数据,通过级联分类器实现运动区域的初步检测,并读入下帧数据,直到所有帧检测完毕。引入连续密度隐马尔可夫(HMM)模型,将人体图像分解成若干相等区域,获取图像区域中的标准差值特征,对连续密度HMM进行训练,完成异常行为识别。实验结果证明,本文算法的识别结果具有精度高和检测率高的特性,说明其具有可靠性。     

基于Inception-V3网络的双阶段数字视频篡改检测算法

为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点，提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频，第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明，本文提出的算法不仅能准确地检测出篡改视频，还能从篡改视频中精确定位出篡改帧.     

驾驶员夜间对过街行人的视认规律

为了给合理确定人行横道处的夜间最高限速值与道路照明指标提供理论依据,保证过街行人夜间出行安全,开展了驾驶员夜间对过街行人的视认距离随行驶车速及路灯平均照度的变化规律研究.针对6处人行横道单个静止并着深色衣服的过街行人,采集了8名驾驶员对其夜间视认距离的数据.采用回归分析的方法,构建了不同照度条件下的驾驶员夜间视认距离与行驶车速关系模型、不同车速等级下的驾驶员夜间视认距离与平均照度关系模型,以及驾驶员夜间视认距离-行驶车速-平均照度关系模型.结果表明,驾驶员夜间对过街行人的视认距离随行驶车速的提高而降低,二者呈负线性相关;随平均照度的提高而增加,二者呈正对数相关.     

基于五帧差分法的动态目标检测新算法

针对传统帧差分法检测准确率低且对光照变化敏感的问题,提出了改进的五帧差分的目标检测方法。首先将连续的五帧彩色图像转为灰度图,并进行高斯滤波和中值滤波除噪;然后将当前帧分别与前2帧、后2帧进行差分二值化运算;再将4个帧差分结果进行先"或"再"与"运算;通过形态学后处理检测出目标;最后引进一个新的综合指标H评估检测算法的优劣。实验结果表明,该算法能快速地检测出目标,能适应光照变化等复杂场景下的目标检测,具有较强的鲁棒性和较高的准确率。     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计

针对大交通量拥堵情况下现有视频车辆检测技术不能有效处理车辆相互遮挡而导致的大量漏检问题,提出了一种面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计方法.首先,完成非拥堵区域的检测,避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的工作;然后,基于假设生成和验证框架,融合Ada Boost分类器与车底阴影检测结果,得到车辆鲁棒检测结果;最后,使用投影畸变车辆稳定特征将车辆位置划归特定的车道,准确估计分车道车辆到达累计曲线,实现针对交通检测断面分车道详细交通参数的有效分析.实验结果表明:该方法能够在高峰时段的交通拥堵状态下实时进行车辆鲁棒检测并准确地获取交通参数,有效避免针对车辆遮挡的复杂处理过程,对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义.     

基于车流量的智能交通控制系统设计

设计了一种交通灯与车流量信息相匹配的智能交通控制系统,主要包括交通灯控制模块、无线数据通信单元、红外车流量检测电路、红绿灯显示电路、车距检测电路、LCD液晶显示以及电源转换电路等模块.测试结果显示,电路各个功能模块运行稳定,能够根据检测到的车流量信息实时调整交通灯时长,同时车流信息能通过无线模块实时发送给移动车辆,从而有助于引导车辆分流,对缓解交通拥堵,提高交通安全性具有良好的应用价值.     

基于深度卷积神经网络的车型识别方法

针对现有车辆车型视觉识别技术中的检测精度不高、难以适应天气环境变化、难以从视频图像中准确提取出用于识别的车辆图像、难以对车辆车型子类进行识别分类、难以兼顾识别精度和检测效率等不足,将深度卷积神经网络引入车辆目标定位、识别和分类（子类）问题中.利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从道路复杂背景中提取出感兴趣区域;利用softmax分类器训练特征实现车型识别;为了优化softmax在深度卷积神经网络分类过程中出现的类内间距大的问题,引入中心损失函数对softmax损失函数进行优化,提高类间分散性与类内紧密性.在BIT-Vehicle车型数据集中的实验结果显示,提出方法的平均精度为89.67%,检测和识别时间为159 ms;与传统的分类方法相比,识别精度提高约20%,效率提高10倍以上,检测鲁棒性有明显提升;与未改进前的深度卷积神经网络相比,检测精度提高0.6%,速度提高0.29倍.     

信控交叉口公交专用车道动态共享实时控制方法

针对目前交叉口拥堵、公交专用车道利用率低的问题,提出一种信控交叉口公交专用车道动态共享实时控制方法。利用GPS定位实时获取交叉口处公交车的位置,并通过交通检测设备获取专用道内小汽车车辆数,结合主信号显示情况综合计算当前时刻公交专用道共享前后交叉口车辆总延误。将延误大小判断结果反馈给车道信号,车道信号显示红灯或绿灯以提醒司机是否能够进入公交专用道。引入受影响车辆概念,建立以减少交叉口车辆总延误为目标的公交专用车道共享控制模型。通过对当前时刻主信号显示红灯和显示绿灯两种情况分析,提出一种综合考虑车辆司乘系数、受影响车辆的交叉口延误计算方法,得到共享公交专用车道前后交叉口车辆总延误差值的表达式。利用示例数值模拟在多种不同场景下车道信号的显示情况,分析了专用道内已有车辆、公交车位置以及主信号显示情况对车道共享的影响。结果表明：该控制方法较符合实际情况,并能有效提高公交专用车道利用率,能够充分利用交叉口绿灯时间,为解决公交专用车道的动态共享、缓解道路拥堵提供了一种新的思路。     

基于物联网的地下停车场车辆引导系统

为提高地下停车场的智能化管理水平,在传统停车场方便改造的原则上,提出一种基于物联网技术的车辆引导系统。该系统采用超声波采集车辆信息,选用Zigbee技术进行数据收发,利用上位机的车辆引导系统将车位检测节点的车位信息和各道岔路口车辆进出区域的车流量进行整合,以充分规避区域局部性拥堵的情况,使驾驶员在车辆最优路径引导下停车结束后步行至电梯的路程最短。实验仿真表明,该系统对车辆进行分级引导,区域车位自选,减少了多车辆涌入造成的拥堵和混乱;能使驾驶员选择最佳停车位,并提供了从入口到最佳停车位的引导路径,改善了现有停车场车辆引导系统智能化程度低的情况,提高了停车场的管理效率。     

基于识别结果校正的车牌字符分割算法

在车牌识别系统中,字符分割发挥着承上启下的作用。由于外界环境如光照、尘埃的影响,造成预处理后的车牌图像产生字符断裂和粘连现象,造成分割错误,影响后续字符识别。通过研究多种字符分割算法,提出了一种结合垂直投影法、连通域分析以及通过模板匹配字符分类器的识别结果进行反馈校正的分割方法。分别对停车场车辆车牌、高速公路路口抓拍的车牌以及公路行驶车辆抓拍的车牌进行测试,其中停车场车牌可以实现98%以上的分割正确率,其余2种情况的正确率也在97%左右,表明该方法有实用性。     

车辆图像稀疏特征表示及其监控视频应用

针对传统车辆图像特征在复杂场景下响鲁棒性和泛化能力低的问题,提出了车辆图像稀疏特征表示方法,并实现了基于稀疏特征的车辆图像支持向量机线性分类器,构建了基于稀疏特征和背景建模的监控车辆分类识别应用框架。与传统方法相比,该方法将车辆图像表示成字典集的低维稀疏线性组合,提高了特征表示泛化能力,能适应实时性监控视频分析的需求。实验结果表明,基于稀疏特征的车辆识别准确率比传统方法明显提升,并在低分辨率、阴影、遮挡等复杂场景下有较好的鲁棒性。     

一种树形结构的实时道路车辆识别方法

针对实时道路车辆识别是车辆计算机辅助驾驶、自主导航以及主动安全的关键技术,给出了一种基于树形结构的车辆识别方法。该方法采用Haar—like特征来表达车辆特征,选择GentleAda Boost算法训练出强分类器,最后将多个强分类器组合成树形结构。通过建立样本库,对车辆识别分类器进行了训练,并对分类器的性能进行了实验。结果表明：对750个目标车辆进行识别,识别率为74．4％,识别时间为34．4ms。说明树形结构的车辆识别方法具有较好的实时性和一定的鲁棒性。     

基于混合高斯模型和GPU的车辆闯红灯快速检测算法及实现

为实现对闯红灯车辆的准确快速检测,提出了基于混合高斯模型和GPU的车辆闯红灯检测算法。先用时间均值法根据监控系统运行后的第1个红灯期间采集的视频数据构建背景图像,再利用这个背景图像初始化混合高斯模型参数,进而采用混合高斯模型检测运动车辆;为实现实时检测,采用GPU并行计算对算法进行了实现。实验结果表明,该算法克服了实际道路监控视频中出现的混合高斯模型初始化参数选择不合理的问题,加快了混合高斯模型的收敛速度,实时性好。     

空气悬架的神经网络模糊控制及仿真分析

空气悬架系统是一个非线性系统,该系统工作环境是时变性的。提出了基于神经网络的模糊控制策略,应用该控制策略对某一高级客车的空气悬架刚度进行控制,可以根据车辆振动响应的结果来判断车体的振动情况以后,实时调节空气悬架刚度,使车辆对路面的变化具有适应能力,从而改善汽车行驶平顺性。