基于视频的车辆检测与跟踪技术综述

基于视频的车辆检测器近年来在智能交通系统(ITS)中得到了越来越广泛的应用。本文介绍了近年来提出的一些主要的基于视频的车辆检测与跟踪技术,并对这些技术进行了分类。同时分析比较了各种方法的优缺点。最后,说明了这一领域仍然存在的问题和对可能的研究方向进行了一定的预测。     

视频交通参数检测技术研究现状及发展趋势

车流量、车速、车道占有率等交通参数是智能交通发挥作用的前提和基础,也是智能交通系统的关键所在,视频交通参数检测可为其提供丰富的交通信息。文章首先介绍了车辆检测的方法,并对基于虚拟检测器和基于目标提取和跟踪的交通参数提取技术进行了分析,同时介绍了近年来提出的一些基于视频的交通参数提取的算法和步骤,最后分析了视频交通参数检测技术的研究方向、存在问题及发展展望。     

基于虚拟检测器的车辆预估跟踪

基于视频图像的车辆监测技术由于其维护方便、易于实施的特点,近年来备受关注。车辆跟踪是实现视频车辆监测的关键技术之一,如何实现车辆跟踪的实时性是国内外研究的重点和难点。本文提出了基于虚拟检测器的Kalman跟踪方法,主要介绍了车辆存在检测和车辆预估跟踪两部分。实验结果表明,此方法在快速路场景下,能够有效地实现车辆的跟踪,完全满足系统要求,具有较高的实用性。     

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。     

基于视频的高速公路车辆检测和跟踪算法

采用一种基于像素的新方法来更新背景，同时将工作区域分为车辆检测和车辆跟踪两个部分，在车辆检测区建立跟踪对象，在车辆跟踪区仅仅对跟踪对象进行预测跟踪，从而减少了跟踪的盲目性和算法的计算量，提高算法精度。根据该算法设计的视频检测器已用于实际交通参数的采集，统计的结果表明该算法检测和跟踪的正确率分别高于96%和97%，并具有很好的实时性，能满足管理部门的需求。     

背景估计与运动目标检测跟踪

基于视频的自动目标检测和跟踪是计算机视觉中一个重要的研究领域,特别是基于视频的智能车辆监控系统中的运动车辆的检测和跟踪。提出一种自适应的背景估计方法来实时获得当前背景图像,从而分割出运动物体。为了准确地定位运动车辆的区域,采用差分图像投影和边缘投影相结合的方法来定位车体,同时利用双向加权联合图匹配方法对运动车辆区域进行跟踪,即将对运动车辆区域跟踪问题转化为搜索具有最大权的联合图的问题。该算法不仅能实时地定位和跟踪直道上运动的车辆,同时也能实时地定位和跟踪弯道上运动的车辆,从实验结果看,提出的背景更新算法简单,并且运动车辆区域的定位具有很好的鲁棒性,从统计的检测率和运行时间来看,该算法具有很好的检测效果,同时也能满足基于视频的智能交通监控系统的需要。     

基于视频的运动车辆检测技术研究

智能交通系统是目前交通运输领域研究热点,车辆检测是智能交通系统的主要组成部分.文章研究了基于视频的车辆检测技术,指出运动车辆图像预处理、背景图像重建与更新以及运动车辆检测与技术是基于视频的车辆检测应解决的关键技术.     

一种基于线扫描相机的新型交通检测器

针对基于视频的交通检测器的检测精度和实时性难以提高的问题,提出了一种基于线扫描相机的新型交通检测器。该检测器通过两个相距2米的线扫描相机捕获移动车辆的俯视图像,采用小波变换算法进行图像背景更新和目标提取,运用目标投影曲线相关匹配的方法进行车辆速度估计,最终检测出经过检测断面所有车辆的个数和速度。实验结果表明,基于线扫描相机的交通检测器在车辆计数和车速估计方面的性能上均要优于传统的基于视频的交通检测器。     

基于全方位视觉传感器的车辆违章检测系统的设计

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉等技术来实现对交岔路口的车辆违章智能视频监控,采用ODVS来获取整个交岔路口的全景视频图像;通过混合高斯模型提取在全景视频图像中的车辆对象前景;使用camshift跟踪算法跟踪行驶车辆对象;依据交通法规,通过对比红绿灯、车道和车辆运动等状态来判断车辆对象是否有违章行为;实验结果表明,所设计的违章检测系统能自动检测出多种车辆违章行为,为交通执法部门提供了一种智能化的检测手段。     

夜间环境交通数据采集系统设计与实现

针对夜间交通环境的特点,设计和实现了一种基于车灯的交通流视频检测系统。首先,提出一种夜间车道线检测算法,提取车道线并标定摄像机参数。接着,采用一种自适应阈值分割算法提取候选车灯连通域,并利用空间距离信息配对和分组属于同一辆车的连通域,根据规则集定位车灯,建立车辆假设。然后,通过线性搜索,结合最近邻准则和形状属性匹配在帧间关联车辆假设。对于部分和全部遮挡的情况,结合Kalman滤波器处理。根据跟踪信息的连续性,确认车辆存在并保存跟踪轨迹。实验表明,算法的复杂度低,能够在夜晚多种交通环境下实时检测和跟踪车辆,误检和漏检率低,并且对遮挡情况具有一定的鲁棒性。     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

基于视频检测技术的智能隧道交通安全监控系统设计

隧道实时交通安全监控系统是确保隧道安全运营的重要手段.针对隧道环境的特殊性,提出基于差异深度积累的目标检测算法和基于卡尔曼滤波的目标跟踪算法,实现了多运动目标的检测与跟踪,并综合运用图像处理、计算机视觉、模式识别和软件工程等技术设计了基于视频检测技术的智能隧道交通安全监控系统.该系统能准确地检测出各种交通运行参数和交通事件,为隧道交通安全提供了有力保障.     

基于车前灯的夜间车辆视频检测研究

针对夜间车辆视频检测和车流量统计的难题，提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点，利用梯度滤波法消除地面反射光对车灯的干扰，实现图像增强，并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪，最终准确地实现了车辆检测和车流量的统计功能。     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

A Multimedia Data Mining Framework: Mining Information from Traffic Video Sequences

The analysis and mining of traffic video sequences to discover important but previously unknown knowledge such as vehicle identification, traffic flow, queue detection, incident detection, and the spatio-temporal relations of the vehicles at intersections, provide an economic approach for daily traffic monitoring operations. To meet such demands, a multimedia data mining framework is proposed in this paper. The proposed multimedia data mining framework analyzes the traffic video sequences using background subtraction, image/video segmentation, vehicle tracking, and modeling with the multimedia augmented transition network (MATN) model and multimedia input strings, in the domain of traffic monitoring over traffic intersections. The spatio-temporal relationships of the vehicle objects in each frame are discovered and accurately captured and modeled. Such an additional level of sophistication enabled by the proposed multimedia data mining framework in terms of spatio-temporal tracking generates a capability for automation. This capability alone can significantly influence and enhance current data processing and implementation strategies for several problems vis-à-vis traffic operations. Three real-life traffic video sequences obtained from different sources and with different weather conditions are used to illustrate the effectiveness and robustness of the proposed multimedia data mining framework by demonstrating how the proposed framework can be applied to traffic applications to answer the spatio-temporal queries.     

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.     

基于TMS320DM6446的视频车检一体化设计

智能交通系统（ITS）是当今交通运输领域研究和应用的热点。作为ITS重要组成部分的视频车辆检测技术与传统车辆检测方法相比,具有结构紧凑、功耗低、速度快等优点。一体化视频车检器采用基于TMS320DM6446芯片的CMOS图像采集处理的解决方案,该芯片能够很好地处理ARM与DSP之间协同工作的问题,同时使ARM与DSP能各自发挥自己功能,大幅度提升采集图像的输出质量,较好地实现图像采集和处理的稳定,形成一套可以获取较高帧率的软硬件车辆图像采集处理系统。实验结果表明,该系统具有较高的实用性。     

基于粒子滤波算法的高速公路车辆停车检测

提出了一种基于粒子滤波视频跟踪算法的停车事件检测方法,实现了对高速公路交通视频的自动监控。首先用混合差分技术,快速提取出视频中的车辆对象;并用粒子滤波算法实现了运动车辆的跟踪;进而通过对车辆运动的数学建模,对停车事件进行了自动检测。最后,对多组高速公路交通视频进行测试,结果表明:提出的检测方法比其他常用方法响应速度更快,且具有较高的检测准确率和鲁棒性。     

基于视频的复杂交通场景中车辆实时检测系统的设计与实现

在基于视频的交通监控系统中,车辆检测是关键技术。为了提高车辆检测的实时性,本文建立的车辆检测系统通过设置检测区域,使系统处理的数据量大大减少,并结合了帧间差分和背景相减的方法检测出车辆及其阴影,同时利用颜色不变定律消除阴影,只检测出车辆。该车辆检测系统具有简单易用,实时性较强的特点。     

基于视频图像像素点阵的车辆检测技术

介绍一种基于视频图像像素点阵的车辆检测技术。该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪。将每辆车作为一个检测对象,求出每个检测对象的触发像素点阵中存在连通性的最大像素区域,并将这个区域作为该检测对象识别和追踪的唯一标准。该技术具有适应性好、计算量少、识别结果准确等优点。