基于分道线的道路云台摄像机参数自动标定

为实现基于道路视频摄像机视频处理的运动车辆精确测速,提出基于分道线长度、车道宽度和分道线消失点的道路云台摄像机参数自动标定方法,以对摄像机焦距、俯仰角、旋转角、离地高度等参数进行自动标定.实验结果表明,在应用于基于视频处理的运动车辆速度检测时,所提方法与雷达测速在平均误差以及误差标准差方面远小于我国公路测速允许的误差上限,验证了方法的准确性和有效性.     

基于C8051F330的机动车速度监测及无线传输系统

为实现对高速公路机动车行驶速度的全程监测及预警,设计了一种以C8051F330为控制核心的机动车速度监测及无线传输系统;详细叙述了系统设计原理与软硬件的实现方法,系统利用C8051F330单片机控制传感器实时采集机动车行驶速度信号并进行处理,通过RFID标签和读写器无线传输车辆速度、身份信息以及前方路况限速信息,从而实现对高速公路机动车速度的实时监测和预警功能;实验调试表明系统反应速度快、运行可靠且成本低,具有良好的应用前景.     

基于DSP转台伺服系统设计与实现

速度和位置检测一直是转台伺服系统的重点,本文基于DSP更适合数字化测速的特点,针对转台伺服系统中存在的抖动干扰问题,提出了一种新颖的基于转台伺服系统位置测量的数字测速方法,进行了实际应用,并给出了具体的软、硬件实现方法,采用了采用模糊参数自整定PID控制策略,同时又解决了噪声抑制问题。试验证明此方法提高了测速精度,适用于需要高精度速度检测及位置闭环的场合。     

基于单目视觉测量运动物体速度的研究

为了实时准确地测出运动物体的速度,提出了一种基于单目视觉测量运动物体速度的方法。该方法采用便携式摄像机对运动小球进行视频采集,以VS2010平台下的开源库OpenCV为开发平台,利用帧差法对运动目标进行检测。所设计的测速算法能够实现对运动小球的水平速度和垂直速度的检测。实验证明,所提测速方法能有效地测出运动物体的速度,且准确度比较高。     

基于车牌字符边界定位的视频测速

针对卡口环境下视频测速误差大的问题,提出一种提高测速精度的方法。采用以车牌第2个字符作为车辆定位的特征块,利用小波变换分解字符的外部边界特征曲线,在低分辨率下实现目标字符的模板匹配,并获取该曲线相对模板的偏移量,在原分辨率上进行边界坐标的精细调整,完成车辆特征块的精确定位。结合字符高度固定的先验知识,确定车辆特征块所处的实际坐标系,以提高对车辆行驶距离的计算。在实际环境下,对该方法进行长达2个多小时的测试,并对测试结果与线圈测速、基于车牌定位的视频测速进行对比,结果表明,在车辆正常行驶的速度下,与线圈测速相比,该方法视频测速误差在3 km/h以内。     

基于局部注意的快速视频目标检测方法

视频目标检测是对视频内的目标进行准确分类与定位。现有基于深度学习的视频目标检测方法通过光流传播特征,不仅存在模型参数量大的问题,而且直接将光流应用于高层特征难以建立准确的空间对应关系。提出一种轻量级的视频目标检测方法。通过设计一种特征传播模型,在不同帧的局部区域内将高层特征从关键帧传播到非关键帧,并将有限的计算资源分配给关键帧,以加快检测速度。构建动态分配关键帧模块,根据目标运动速度动态地调整关键帧选择间隔,以减少计算量并提高检测精度。在此基础上,为进一步降低最大延迟,提出异步检测模式,使得特征传播模型和关键帧选择模块协同工作。实验结果表明,该方法的检测速度和最大延迟分别为31.8 frame/s和31 ms,与基于内存增强的全局-局部聚合方法相比,其在保证检测精度的前提下,具有较快的检测速度,并且实现实时在线的视频目标检测。     

基于图像处理的前方行驶车辆速度测量方法

车辆超速行驶是造成高速公路交通事故的主要原因之一,依赖于固定摄像机的传统视频测速系统测速区域十分有限.通过车载双目电荷耦合器件(CCD)摄像头获取车辆行驶过程中前方车辆的行驶状态,提出了一种测量前方行驶车辆速度的方法.利用改进Hough变换识别车道线,提取感兴趣区域,以车底阴影特征为基础完成车辆检测,通过在车载视频图像中选取适当的图像帧,获得车辆的相对位移及对应的时间间隔,获得前方车辆的行驶速度.经测试,算法能得到较高精度的速度测量结果.     

基于视频图像的输液滴速实时监测系统

提出了一种基于视频图像的输液滴速实时监测系统,应用数字摄像头获取输液滴斗部位视频图像,利用ARM9嵌入式平台读取并处理视频图像.在Windows CE 5.0平台下开发了USB摄像头驱动程序,监测液滴下落的过程,采用帧间差分法处理输液视频图像,并通过判断是否发生液面震动来获取实时输液速度.讨论了阈值选取和图像定位方法,并通过实验进一步验证,给出了实验结果,结果表明该系统可实时显示输液速度,并及时发出输液速度过低或过高报警.论文对测速误差进行了分析,给出了提高测速精度和软件可靠性的具体措施.该系统使用简单,灵活方便,不妨碍传统人工监视,可满足普通输液监测需求.     

基于改进SSD的视频烟火检测算法

由于以往视频烟火检测模型复杂,存在检测精度与速度不能兼顾的问题,提出一种改进SSD的轻量化视频烟火检测算法（GSSD）。该算法首先将SSD算法中的骨干网络替换为GhostNet网络模型,减少算法参数量,提高检测速度,之后通过Concat操作进行多尺度特征融合,提升算法对小目标的检测精度。该算法分别在PASCAL VOC...     

基于透射齿轮盘的脉冲与电压双测速装置

设计了一种采用透射式齿轮盘的电机测速装置.该设计采用槽型光电传感器配合自制的透射式齿轮盘来采集速度信号,产生一系列数字脉冲信号,同时采用频率-电压转换芯片LM2907将脉冲信号转化为电压信号.此装置应用于模型车上,不仅可以实现脉冲测速,还可实现电压测速,具有结构简单,安装方便,检测方式多样,检测精度高等特点.     

基于监控视频图像的车辆测速

基于监控视频图像的车辆测速方法(视频测速)的工作原理，提出了一种视频测速的实现思路，指出了在间隔已知时间的视频帧图像中找到对应块是实现视频测速的关键和难点。对车灯的特征进行了分析，根据车灯区域的特征，提出了采用灰度差水平叠加投影的方法，构造可以代表其鼓形区域的函数，以其作为定位车灯带的判别函数，并根据车灯的特点进行候选块筛选的一种简单快速的车灯区域定位方法，可在平均13ms内准确定位到车灯区域，从而为这一高速条件下视频测速的关键难点提出了一种切实可行的解决办法。     

基于DSP的雷达测速监控系统的设计

介绍了基于DSP芯片TMS320VC5502的雷达测速监控系统的设计。利用了多普勒效应原理,对运动车辆产生的多普勒频率进行频谱分析,计算行驶速度。针对雷达测速监控的需要,提出了扩展PAL/NTSC制式视频接口采集超速车辆视频图像信息的方法。采用了RS-485接口传输JPEG视频图像压缩数据,提高了系统的可靠性和实用性。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

基于视频检测技术的交通事故仿真再现研究

本文实现了一种基于视频检测技术的交通事故仿真再现解决方案,该系统利用现有视频检测技术检测出交通事故中事故车辆的速度,加速度,运动轨迹等,并结合碰撞模型,得出事故车辆的运动规则,以此作为三维仿真的输入数据。利用3DMax开发事故中的物体模型,并通过Direct3D组件,应用视频检测得出的数据进行三维仿真模拟。     

基于光流法的卫星视频交通流参数提取研究

抽样分辨率达1米的高清卫星视频已经能够实现对地面较小的运动目标的实时监控。针对卫星视频中运动车辆目标仅显示为一个或几个像素点的特点,提出了一种基于光流法的卫星视频交通流参数提取的思路与方法。该方法利用卫星视频中车辆目标为像素点的特点,结合Shi-Tomasi角点检测方法实现车辆检测及车辆计数;在车辆检测的基础上利用光流法得到的连续视频帧中角点的位置信息进行双向车辆平均车速的计算,并对实验结果进行了对比分析。该文是基于卫星视频中小微运动车辆目标进行交通流参数提取的一次有益尝试。     

基于Radon变换的视频测速算法

为了从视频监测图像中自动提取车辆行驶速度,提出了一种基于Radon变换的视频测速算法。根据车辆行驶轨迹的时空特点,利用道路交通标线为图像与道路建立距离映射关系,简化了现场标定的条件和过程;利用时间堆栈成像方法,建立了车辆行驶轨迹的时空关系;基于Radon变换的图像处理,实现了行驶车辆的视频测速技术。算法具有较好的鲁棒性,与传统方法相比,计算复杂性也要低很多。     

基于改进YOLOv3的高速公路隧道内停车检测方法

为了更准确地检测高速公路隧道内停车行为,提出一种基于改进YOLOv3车辆检测模型的高速公路隧道内停车检测方法。通过筛选VOC数据集以及实际高速公路隧道内的车辆图片制作专门用于高速公路隧道内车辆检测的数据集,选取YOLOv3目标检测模型作为车辆检测的基础网络结构,并对其进行加深网络结构的改进使其能够准确检测隧道内的车辆。将Deep SORT跟踪算法应用于改进的停车检测模型中,对车辆进行跟踪从而计算行驶速度,并创新性地设置双重速度阈值来判别车辆的停车行为。实验结果表明,经过改进的YOLOv3模型相比于原模型,在VOC-vehicle数据集和Tunnel-vehicle数据集上的mAP都有所提升,最终获得了mAP为98.19%的高速公路隧道车辆检测模型。将基于改进YOLOv3的高速公路隧道内停车检测方法在高速公路隧道视频上进行测试,可以有效地在高速公路隧道中完成停车检测的任务。     

夜晚车辆异常事件分析

夜晚车道模型是车辆跟踪和车辆行为分析的基础,但是当高速公路或者城市道路光线较暗时,很难通过车道检测的方法来建立车道模型,夜晚车辆快速行驶或相邻帧车辆之间重叠度较低时无法实现准确跟踪。针对此类问题提出了一种基于学习的车道模型建立方法和基于多帧的最佳匹配跟踪方法。首先利用自动多阈值分割方法提取场景中光亮的目标;其次,利用车灯的相关特征移除非车灯光亮区域;接着,利用空间信息把车灯聚类成一个车辆目标,利用多帧的最佳匹配跟踪方法进行跟踪;最后利用车辆跟踪参数与车道模型的融合对夜晚车辆异常事件进行分析。实验结果表明,该算法能够准确地检测出夜晚车辆换道、逆向行驶、交通拥挤、停车等异常事件,并且有很强的鲁棒性。     

基于RFID的高速公路车辆测速及定位方法

针对现有高速公路管理系统无法对车辆进行实时管理的现状,提出一种对高速公路上车辆进行实时测速及定位的方法。该方法基于射频识别(RFID)技术,通过分析构建移动车辆的定位模型,利用谱估计方法对其多普勒频移进行测量,并针对模型求解中存在的非线性特性,采用牛顿迭代法计算车辆的实时速度及相对坐标以达到测量车速及确定车辆实时位置的目的。仿真实验结果表明,该方法具有运算量小、精度高、实施简单的特点。