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.     

基于改进动态阈值的运动车辆实时快速检测方法*

提出了复杂交通环境下一种新的运动车辆检测方法。基于背景差分获得运动图像,利用自适应阈值选取方法分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测。根据检测结果,采用中值更新方法实现背景图像的实时更新。实验结果表明,这种基于改进动态阈值和自适应背景相结合的快速检测算法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能够很好地满足智能交通监控系统中运动车辆实时检测的要求。     

水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

基于视频的实时车辆检测系统

基于视频的交通监控系统具有直观明了,安装方便和维护费用相对较低等优点,成为最有前途的大范围采集交通数据的技术,以指导车辆的运行.该文提出一种高效的,实时的通过计算机视觉来进行车辆检测的方法, 结合动态背景刷新策略和动态阈值的选择技术,通过比较检测线上象素的灰度值变化来判断车辆是否通过,然后进行时空分析, 把一系列检测线图像按照时间序列进行重构,得到全景视觉图,然后进行图像处理,获得具体车辆的参数（宽度,通过检测线时间等）.试验结果显示了该方法的有效性,车辆通过检测线的识别率大于95%,满足了实际的要求.     

A Parallel Pipeline Based Multiprocessor System For Real-Time Measurement of Road Traffic Parameters

Real-time measurement and analysis of road traffic flow parameters such as volume, speed and queue are increasingly required for traffic control and management. Image processing is considered as an attractive and flexible technique for automatic analysis of road traffic scenes for the measurement and data collection of road traffic parameters. In this paper, the authors describe a novel image processing based approach for analysis of road traffic scenes. Combined background differencing and edge detection techniques are used to detect vehicles and measure various traffic parameters such as vehicle count and the queue length. A RISC based multiprocessor system was designed to enable real-time execution of the authors algorithm. The multiprocessor system has nine processing modules connected in a parallel pipeline fashion. Results shows that the authors multiprocessor system is able to provide measurement of traffic parameters in real-time. Results are presented for real tests of our system by analysing traffic scenes on the highways of Singapore.     

A computer vision system for the detection and classification of vehicles at urban road intersections

The paper presents a real-time vision system to compute traffic parameters by analyzing monocular image sequences coming from pole-mounted video cameras at urban crossroads. The system uses a combination of segmentation and motion information to localize and track moving objects on the road plane, utilizing a robust background updating, and a feature-based tracking method. It is able to describe the path of each detected vehicle, to estimate its speed and to classify it into seven categories. The classification task relies on a model-based matching technique refined by a feature-based one for distinguishing between classes having similar models, like bicycles and motorcycles. The system is flexible with respect to the intersection geometry and the camera position. Experimental results demonstrate robust, real-time vehicle detection, tracking and classification over several hours of videos taken under different illumination conditions. The system is presently under trial in Trento, a 100,000-people town in northern Italy.     

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。     

公路车流量视频检测方法

针对视频车流量检测容易受背景以及车辆阴影等因素影响的问题,提出了一种自适应背景差分结合阴影去除的车流量检测方法。首先,建立自适应背景提取模型;然后,利用差分法从视频检测区域提取包含阴影的车辆目标,并进行二值化处理和孔洞填充;接着依据阴影区域相对于车辆区域灰度较小的特点,从填充后的二值图像阴影区域向车辆区域方向进行像素值比较,从而检测并去除阴影;最后,通过设定两排检测窗口进行车流量计数。实验结果表明,该方法受背景和车辆阴影等影响较小,在不同气候环境下具有较高的车流量检测准确率。     

基于动态阈值对称差分和背景差法的运动对象检测算法*

提出一种基于动态阈值对称差分和背景差法的运动对象检测算法.首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像.中间采用了一种动态的最优阈值获取方法,然后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来.实验结果表明,该方法快速、准确,有一定的实际应用价值.     

Constant-time monocular object detection using scene geometry

This paper presents a structured approach for efficiently exploiting the perspective information of a scene to enhance the detection of objects in monocular systems. It defines a finite grid of 3D positions on the dominant ground plane and computes occupancy maps from which object location estimates are extracted . This method works on the top of any detection method, either pixel-wise (e.g. background subtraction) or region-wise (e.g. detection-by-classification) technique, which can be linked to the proposed scheme with minimal fine tuning. Its flexibility thus allows for applying this approach in a wide variety of applications and sectors, such as surveillance applications (e.g. person detection) or driver assistance systems (e.g. vehicle or pedestrian detection). Extensive results provide evidence of its excellent performance and its ease of use in combination with different image processing techniques.     

基于图像处理的夜视车辆检测

根据环境照度将夜间交通场景区分为充足照明和低照度两种情况,分别设计相应的处理流程检测运动车辆。针对充足照明的情况,先使用梯度滤波消除路面反光的干扰,再进行帧间差分检测运动区域,最后使用级联形态学滤波消除噪声点和填充帧间差分方法导致的车体区域空洞。针对低照度情况,引入先验知识检测车前灯,并利用车灯间距判别车型大小,最后结合车辆的造型知识定位车体。对多段典型的夜间交通场景视频进行了测试,实验结果表明,该方法能够有效地检测夜间行驶车辆。     

基于视频图像的交通参数检测

针对交通图像的特点,提出了一种将灰度判断与边缘检测相结合的方法,来获得车流量、车速等相关交通参数。将先锋遗传算法(Vanguard Genetic Algorithms)应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确地将图像中不同灰度的车辆从背景中分离出来。分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测。采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差。实验结果表明,该方法简单、有效,能够获得较满意的检测结果。     

智能交通检测系统中动态目标检测方法研究

视频交通检测技术已逐渐成为交通信息采集领域的主流技术。以交通信息采集系统中运动车辆的检测与识别为应用背景,在对运动目标检测中背景更新、噪声的消除等一些难点问题进行深入分析研究的基础上,给出了一个稳定的运动车辆检测算法。运动车辆检测方法作为视觉监控领域的一种普遍方法,具有一定的理论意义和实用价值。     

基于边缘检测的车牌图像分割技术

详述了用黑白图像处理方法对彩色车牌进行分割处理的过程，介绍了边缘检测理论以及迭代求分割阈值算法，并用于车牌的识别检测中，有效地分割目标和背景，实现了车牌的准确定化．     

Moving Shadow Detection and Removal for Traffic Sequences

Segmentation of moving objects in a video sequence is a basic task for application of computer vision. However, shadows extracted along with the objects can result in large errors in object localization and recognition. In this paper, we propose a method of moving shadow detection based on edge information, which can effectively detect the cast shadow of a moving vehicle in a traffic scene. Having confirmed shadows existing in a figure, we execute the shadow removal algorithm proposed in this paper to segment the shadow from the foreground. The shadow eliminating algorithm removes the boundary of the cast shadow and preserves object edges firstly; secondly, it reconstructs coarse object shapes based on the edge information of objects; and finally, it extracts the cast shadow by subtracting the moving object from the change detection mask and performs further processing. The proposed method has been further tested on images taken under different shadow orientations, vehicle colors and vehicle sizes, and the results have revealed that shadows can be successfully eliminated and thus good video segmentation can be obtained.     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

基于机器视觉的高速公路车辆停车检测

为减少高速公路上车辆追尾等交通事故的发生,研究了基于机器视觉的车辆停车检测方法.检测系统采用当前帧和背景帧差分的方法实现了检测线圈范围内图像特征提取.分析了车辆从运动到静止的特征提取值图,并利用车辆存在阈值、车辆存在值、系统最小车辆存在值、系统不相似度阈值、系统相似度值、系统相似度最小值、车辆不存在值和系统最小车辆不存在值等参数实现了车辆停车检测.试验表明,该方法能够有效的将停靠在路面上的车辆检测出来.     

基于颜色布局描述子的改进ViBe算法

针对ViBe算法在检测运动目标时会有“鬼影”产生和在动态背景下会对目标检测过程中产生干扰造成运动目标误检的问题,结合颜色布局描述子（CLD）提取关键帧进行三帧差分、形态学后处理的技术,提出一种改进的ViBe算法。首先,通过CLD提取视频关键帧图像;然后,将所选取关键帧图像进行三帧差分,通过差分结果将含有运动目标的背景模型进行填充,得到真实的背景图像,再对运动目标进行检测,以达到消除鬼影的目的;最后,在背景模型更新的阶段加入自适应阈值的形态学处理技术,消除动态背景模型中的干扰信息。实验结果表明,所提算法在运动目标检测时在避免鬼影、抗动态背景干扰等方面表现出优越性,在相似度量阈值选取为0.67到0.72时,所提算法的准确率最高可以达到99.4%,可以理想地检测出运动目标的位置信息。     

交通场景中车辆的运动检测与阴影消除

提出一种算法框架实现对交通场景中运动车辆的分割。首先,提出一种基于颜色空间的浮动气球模型,用以解决监控场景的自适应背景建模问题,该方法解决了基于参数模型的背景建模方法无法检测驻留物体的问题,并可有效适应监控场景中的光照变化以实现自适应更新;其次,针对通过背景建模和背景差分得到的运动前景区域包含运动车辆阴影问题,提出一种新的阴影检测算法,该算法采用多特征融合的方法实现了对运动车辆的分割。实验结果分析表明,与其他方法相比,该算法框架在背景建模和阴影检测方法具有较好的效果。     

基于计算机视觉的车体提取及跟踪算法研究

在对比图像背景差分算法与帧间差分算法的基础上,给出一种基于计算机视觉原理的车体提取及跟踪算法,对算法流程及其在车体识别、分割与跟踪过程中的具体实现方法进行了论述,并以某地交通治安卡口系统采集的图像数据进行了算法验证.