面向智慧城市的交通视频结构化分析前沿进展

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标（如人、车、物）的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性（车牌、车型和颜色）识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。     

遮挡情形下的行人检测方法综述

行人检测在智能交通、智能监控、无人驾驶、行人分析等领域都有广泛应用,随着技术发展,对行人检测技术的精度要求也越来越高。对遮挡情况下的行人检测技术进行了研究,根据遮挡物的不同,将遮挡分为非目标造成的遮挡及需要检测的目标造成的遮挡。分别总结了处理遮挡情况的传统方法和深度学习方法,并对每一类方法模型的主要思想和核心问题进行了分析和讨论。对遮挡下的行人检测技术在未来发展中亟待解决的问题提出展望。     

基于LBP纹理分析的视频车辆检测研究

视频交通事件检测与处理技术在智能交通领域中的应用研究已在学术界和工业界引起了广泛关注。作为视频交通事件检测技术的基础,车辆检测也已成为研究热点。该文主要研究在车辆检测过程中出现的车辆检测不完整,特征信息提取不完全等情况,研究利用LBP算子进行区域生长方法,使得不完整的车辆区域按照LBP纹理方向扩展,从而获得较完整的车辆目标。实验结果表明该算法能够有效进行区域生长,检测车辆的完整度有较大提高。     

基于行人与车辆关系模型的行人检测

针对在交通场景下的行人,考虑到绝大多数交通场景中车辆与行人同时存在,提出一种在对背景图像进行初步行人检测的同时对车辆进行检测的方法,建立一种行人与车辆关系模型。以车辆位置作为辅助检测基础,引入真假阳性检验用以排除出现在不可能区域的行人并介绍了具体方法。该方法首先对行人、车辆、行人与车辆关系特征进行定义并建模形成与其有关的函数关系,然后推导得到适用于支持向量机的标准形式,最后通过支持向量机回归法训练分类器进行分类识别。现场实测结果表明,此种方法大大降低了误检率,对不同分辨率图片中的行人均有较好的识别效果。     

车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述

基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一. 其核心是利用安装在运动车辆上的摄像机检测行人，从而估计出潜在的危险以便采取策略保护行人.本文在对这一问题存在的困难进行分析的基础上，对相关文献进行综述. 基于视觉的行人检测系统一般包括两个模块:感兴趣区分割和目标识别，本文介绍了这两个模块所采用的一些典型方法，分析了每种方法的原理和优缺点. 最后对性能评估和未来的研究方向等一系列关键问题给予了介绍.     

基于人工智能的交通检测跟踪研究

人工智能衍生出智慧城市，智慧交通就是智慧城市的产物之一。交通中的红绿灯系统根据路口行人、车辆的多少判断给予行人、车辆的红绿灯秒数，从一定程度上实现了交通的优化。从智慧红绿灯的角度出发，从选择目标检测模型到目标检测模型的优化，再到目标跟踪算法的改进，在客观的数据集基础上，进行改进实验，验证了改进的可行性，并提出了新的目标检测模型及目标跟踪算法，对智慧交通的形成起到了很大的推进作用。     

基于行人安全的交通信号灯智能控制算法研究

提出了一种基于深度确定性策略梯度（Deep Deterministic Policy Gradient , DDPG）的行人安全智能交通信号控制算法。通过对交叉口数据的实时观测,综合考虑行人安全与车辆通行效率,智能地调控交通信号周期时长,相位顺序以及相位持续时间,实现交叉路口安全高效的智能控制。同时,采用优先经验回放提高采样效率,加速了算法收敛。由于行人安全与车辆通行效率存在相互矛盾,研究中通过精确地设计强化学习的奖励函数,折中考虑行人违规引起的与车辆的冲突量和车辆通行的速度,引导交通信号灯学习路口行人的行为,学习最佳的配时方案。仿真结果表明在动态环境下,该算法在行人与车辆冲突量,车辆的平均速度、等待时间和队列长度均优于现有的固定配时方案和其他的智能配时方案。     

多信息融合技术的城市交通监控系统的研究

将车辆检测器、射频技术以及计算机图像处理技术应用于城市交通监控系统,形成智能交通的一个子系统.介绍了三种传感器的信息处理和融合技术,能实现交通流量统计、智能交通调控、自动违章处理、车辆跟踪处理、交通实时查询以及车辆统计等功能,解决城市交通管理中的一系列经典难题.     

智能交通系统消息交换的复杂度研究

针对道路上自动化管理的智能交通难题,利用车辆无线传感器网络对车位检测的辅助定位进行了研究,阐述了基于无线传感器网络的智能交通在提高车辆行驶的安全和效率方面的优势。首先讨论无线传感器网络技术在交通道路系统中的整体应用以及该技术在国内外的发展现状以及分析;然后讨论交通道路传感器网络系统的总体概述;接着对车辆传感器网络辅助定位的理论进行了深入的分析、数据的计算;最后详细地给出了计算车辆传感器网络广播协议的消息传输总时间复杂度的公式。     

智能交通系统消息交换的复杂度研究

针对道路上自动化管理的智能交通难题,利用车辆无线传感器网络对车位检测的辅助定位进行了研究,阐述了基于无线传感器网络的智能交通在提高车辆行驶的安全和效率方面的优势。首先讨论无线传感器网络技术在交通道路系统中的整体应用以及该技术在国内外的发展现状以及分析;然后讨论交通道路传感器网络系统的总体概述;接着对车辆传感器网络辅助定位的理论进行了深入的分析、数据的计算;最后详细地给出了计算车辆传感器网络广播协议的消息传输总时间复杂度的公式。     

基于单片机的AGV智能车的设计

设计了一种以单片机为主控核心,通过CCD传感器对运行路径进行视频采集,并利用硬件控制电路以及基于PID控制算法的软件程序对获得的视频数据进行分析处理,指导智能车自主识别正确的路径并实现运行。     

深度学习中的单阶段车辆检测算法综述

随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应用,分别对比了各类常用单阶段车辆检测算法,列举其改进措施以及在车辆检测方面存在的问题;重点阐述了基于常见单阶段车辆检测算法针对现有问题采取的相关改进以及应用领域;简要介绍了车辆检测相关数据集,对现阶段车辆检测中亟待解决的问题与难点进行了分析,提出了车辆检测未来的研究方向。     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。     

一种基于区域的视频车辆跟踪系统

基于区域跟踪法提出一种视频车辆跟踪系统,改进了系统中涉及的多个方法。以车辆的提取检测结果为基础,提出基于混合差分的车辆检测方法,使检测更快速,检测结果质量更高。通过设计堆栈搜索技术和车辆识别规则,提高了基于差分法的识别准确率,改进了区域跟踪效果。实验结果证明了系统的可行性与实用性。     

公路智能车辆视觉辅助导航系统的研究

自主驾驶与辅助导航是目前智能计算机领域研究的一个热点.文章研究了一个简单,易行的公路智能车辆视觉系统,这个视觉系统的输入视频图像是由安装在行驶于高速公路上车辆前方的摄像机所采集的路面状况的长序列图像.算法的核心是解决基于卡尔曼滤波的车道线和运动目标的检测与跟踪问题.     

基于D-S证据理论的车辆视频检测的研究

车辆视频检测系统作为智能交通系统的重要组成部分,为交通控制与交通规划提供必要的数据来源.考虑到外界环境的影响以及数据传输过程中的干扰,对所拍摄的单一图像的分析难以获得准确信息.因此,在简要介绍D-S证据理论的基础上,在对由摄像机拍摄的交通现场画面做了图像处理后,提取出车辆特征,并最终运用D-S证据理论来进行数据融合,从而来提高交通视频检测系统中车辆类型的识别率.实验证明采用此方法将使得车辆识别率大为提高.     

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.     

基于激光扫描与视频融合的交通流检测技术

交通流检测技术是实现城市交通现代化管理的核心技术之一,是智能交通系统的重要组成部分。使用基于激光扫描和视频技术融合的检测方法,利用激光扫描的测距高精度和视频信息的丰富度,使用数据坐标转换矩阵将多源交通流信息进行数据融合,实现对车辆速度,流量,和密度的高精度检测。实验表明,该方法有较高准确性和很强的鲁棒性,具备推广价值。     

基于Hadoop的离线视频处理技术研究与实现

当前,智慧城市成为信息时代城市建设的一个基本目标,智能视频安防监控是其中重要一环,希望从视频图像提取出有效的信息,提供有效的治安防控业务信息。由于视频监控系统广泛使用于各行各业,监控视频数据已成为一类典型的大数据,因此,如何对监控视频大数据进行高效的处理成为一个重要挑战。为此,本文在分析视频处理特点的基础上,提出并实现了一种基于HadoopMapReduce计算框架的分布式离线视频处理方法,该方法根据视频处理的特点进行优化,提升了监控视频大数据的处理效率。     

高速摄像超速抓拍系统在高速公路智能化管理中的应用

为了有效地控制高速公路上车辆超速行驶的问题,高速摄像超速抓拍系统利用高速摄像机对其视场的全天候监控,结合专用工控机的控制系统和智能视频触发技术对超速行驶的车辆进行抓拍,再利用网络通信把图像数据上传至监控中心,很大程度上实现了对高速公路的智能化管理.