模糊约束满足在夜间车辆识别中的应用

根据夜间运动车辆识别中存在的无法提取有效的车辆特征,提出了一种改进后的模糊约束满足的夜间运动车辆分类方法。通过对夜间交通监控视频中行驶车辆的车灯光的预处理,调整模糊约束问题算法中各类型车辆的隶属函数参数,从而从构造的车辆运动轨迹图像快速地识别出运动车辆的类型。实验结果表明,引入车辆灯光信息后夜间车辆类型识别准确率得到了一定的提高。     

基于颜色和运动信息的夜间车辆检测方法

在城市交通流量视频检测系统中，夜间车辆检测一直是个难题。传统的方法都是基于形态学算子，通过检测车头灯来检测车辆，这种方法运算量较大，而且受环境光线影响比较大，为此，提出了一种基于颜色和运动信息的夜间车辆检测方法。该方法首先利用颜色信息在图像中检测出车辆尾灯，并对车辆尾灯进行连续的跟踪；然后利用运动信息和先验知识对车辆尾灯进行匹配；最后统计出交通流量。实验结果表明，该算法可以准确的检测出夜间正常行驶的车辆，并且能够适应雨天等复杂天气条件。     

夜间运动车辆检测

论文提出了夜间运动车辆检测的一种有效的算法。首先对原始图像做“浮雕”处理,消除车灯对检测结果的影响,再通过两帧差分检测出运动区域,最后利用形态学腐蚀消除孤立噪声点,计算连通域面积去除大的噪声区域,从而提取出准确的运动目标。     

一种高鲁棒性的夜间车辆定位与跟踪方法

针对夜间环境下的车辆检测问题,从车头灯视角出发,提出一种具有高鲁棒性的夜间车辆定位和跟踪方法。结合卡尔曼滤波实现健壮的亮斑帧间跟踪,并根据亮斑的运动连续性和形态稳定性提取车灯目标。采用基于时域和空域特征的谱系聚类方法对车灯进行同车分组,利用车头灯组对车辆目标进行准确定位和跟踪。实验表明该方法在夜间交通环境中的有效性和高鲁棒性。     

基于亮度累加直方图的夜间车辆检测算法

为提高夜间环境下车辆检测的精度,提出一种基于亮度累加直方图的车辆检测算法,利用汽车尾灯的高亮特征检测自车前方车辆.通过统计大量的尾灯亮度信息得到分割阈值,由该阈值确定最大类间方差法的初始阅值.在亮度累加直方图中采用改进的最大类间方差法确定最佳分割阈值,并使用该阈值分割图像提取尾灯目标.结合尾灯的形状、位置和颜色等特征进行尾灯筛选和配对,以检测到的尾灯对为目标实现夜间车辆的检测.实验结果表明,该算法能够准确地分割出尾灯目标,对夜间前方车辆的检测率较高、适应性较好.     

基于视频的夜间车辆检测与跟踪

在道路交通管理中基于视频的车辆检测技术发挥了越来越重要的作用。针对夜间交通视频图像中由于照明度低和光线反射干扰导致运动目标提取困难等问题,提出一种建立矩形框来标志车辆的夜间车辆检测与跟踪的方法。通过对图像进行预处理,提取可能为车灯的亮点,建立连通区域。利用两车灯之间的水平位置,两车灯的面积应该是相近或几乎相等以及两者之间的距离应该小于设定的阈值来进行车灯配对。车灯配对成功之后,适当放大配对车灯的连线长度,得到车头宽度。进而根据车头长宽比关系得到车头区域,再通过规则集来定义多种情况下矩形框保存车辆信息的基本原则。车辆的统计跟踪通过基于邻域的方法来实现。经过实验表明,该方法能很好地适用于夜间车辆的检测,并且能满足夜间检测的要求,具备一定的稳定性和准确率。     

基于监控视频的运动车辆检测优化方法

为满足实时性处理需要,提出了一种基于监控视频的运动车辆检测优化方法.运用自适应ROI(region of interest)提取算法,在获取可能出现运动车辆的区域后,基于帧间差分法与分块处理思想,提出了一种改进的背景提取算法,有效地提取运动目标区城.对提取的多目标运动区域进行分离,分别提取可能是车辆的区域后,提出了一种简单、快捷的阴影去除算法,有效地去除阴影,获得准确的运动目标区城.实验结果表明,该方法速度快、准确率高,能很好地满足实时性要求.     

高速道路交通视频中车辆目标提取研究

为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法.针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像.实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富.     

基于HEVC的车辆异常事件检测

当前传统交通事故检测和查阅主要通过人工监测的方法,这种方法效率低且实时性差,本文提出一种基于最新压缩域视频编码标准HEVC（High-efficiency video coding）的车辆异常事件检测方法。首先对HEVC码流中提取出的运动矢量信息进行运动矢量累积迭代和中值滤波的预处理,之后根据提取出的块划分信息和运动矢量信息计算运动对象的运动强度,然后根据运动强度值和八连通区域法提取出运动对象,最后根据空间距离法和运动强度判别法检测出视频序列中发生的车辆异常事件。实验证明,该方法可以准确地检测出视频序列中发生的车辆异常事件;对于有着快速移动的运动目标以及多个运动目标的视频效果更好。     

一种基于行车区域改进的高速公路车辆检测法

在高速车辆速度的检测中,视频检测因其本身的优势得到了越来越多的人的青睐,而视频测速中的运动目标提取通常会采用背景差法来实现,但在实际应用中这种方法很容易受到周边环境的影响,特别是绿化带和其他车道车辆的影响显著。本文针对高速公路中车辆行驶在车道线中的特点,先提取车道线,根据车道线求出行车区域,再对行车区域进行背景差提取运动目标,消除了周边环境对运动目标的影响。实验证明,该方法很好地克服了周边环境的影响,消除了误检目标,可以准确地检测出所需的运动车辆。