基于高斯混合模型和AdaBoost的夜间车辆检测

针对夜间车辆检测精度相对不高的问题，提出通过构建车头灯对空间几何关系的高斯混合模型（GMM）和采用逆投影车辆样本的AdaBoost分类器准确检测夜间车辆的方法。首先，在交通场景中根据车头灯对的空间位置关系设置逆投影面，通过图像预处理粗定位车灯区域；其次，在逆投影图像下利用车头灯对的空间几何关系构建车灯对的高斯混合模型，初步匹配车头灯对；最后，采用逆投影车辆样本，利用AdaBoost分类器进一步准确检测车辆。实验在3个交通场景的检测结果表明，与原始图像下的AdaBoost方法相比，所提方法的检测率提高了1.93%，漏检率降低了17.83%，误检率降低了27.61%；与D-S （Dempster-Shafer）证据理论方法相比，检测率提高了2.03%，漏检率降低了7.58%，误检率降低了47.51%。所提方法提高了相对检测精度，减少了地面反光和影子等的干扰，满足交通场景中夜间车辆检测的可靠性和准确性的要求。     

基于分水岭和区域面积加权的粘连枸杞分级方法

针对枸杞分级过程中出现的粘连枸杞分级效率不高、准确性低的缺点,提出了一种基于形态学分水岭和区域面积加权的粘连枸杞分级方法.对粘连的枸杞图像进行形态学预处理消除枸杞烘干晾晒过程中产生的细小噪声,在保持区域轮廓位置不变的同时,尽可能地消除不规则边缘;运用标记极小值的分水岭算法分割图像,依据枸杞红色分量的分布剔除霉变颗粒,对正常枸杞二值图像运用区域面积标记算法扫描标定各个目标获取颗粒的面积,并用霍特林算法获取颗粒的长宽比;以长宽比作为面积的权值对面积加权修正后进行聚类分析,分成3类.实验结果表明:该方法能够较快速、准确地对不同大小的粘连枸杞颗粒进行分类.     

基于HSV颜色特征和轮廓面积的救生衣检测算法

目前国内外对渡口救生衣检测技术的研究还比较少,因此提出了复杂渡口环境下的一种能够识别救生衣的检测算法。统计救生衣的HSV颜色范围,用先验HSV颜色范围识别出待检测图像中的救生衣可能区域;通过边界跟踪得到图像中所有可能区域的轮廓,计算各个轮廓的面积来排除小面积区域的干扰;最终得到救生衣区域。实验表明,该方法能够比较准确地识别复杂环境下的渡口救生衣。     

让车头灯变得更明亮——嘉斯蒙汉兰达专车专用氙气总成升级解读

网络上,有不少车主抱怨,车头灯亮度的不足会影响他们出行问题,在偏远地方没有路灯或者恶劣天气光线较昏暗情况下,驾起车来十分吃力,特别是刚拿到驾照的车主,碰伤车身还不时有发生,夜间开车总是提心吊胆的。而想到好主意的车主,则通过后期去升级原车头灯来弥补这些不足,使夜间行车变得踏实。近日,有位开汉兰达的车主就选择升级了车头灯,     

基于纹理特征的高分辨率SAR 影像居民区提取

利用灰度共生矩阵计算高分辨率SAR 图像的纹理特征, 通过统计分析选取合适的特征矢量,并基于非监督聚类分析提取居民区。对提取的居民区以一定的面积阈值剔除噪声(细小区域) , 并利用形态学算子对提取边界进行适当的归整, 得到最终结果。在对应的光学图像上人工提取居民区范围, 以此作为实验结果的评价标准。实验结果表明本方法可以得到较好的效果。
     

基于顺序形态变换的图像边缘检测

该文分析了顺序形态学和普通形态学运算的特点,在此基础上研究了基于顺序形态运算的边缘检测,通过对原始图像采用不同百分位值和结构元素的顺序形态变换,可以选择不同阈值和图像中目标信号分布范围,结合Canny检测算子能有效检测灰度接近背景的目标区域的边界。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

一种实用的夜间车牌目标定位方法

在车辆检测识别系统研究中.夜间车牌目标定位一直是个难题.本文根据夜间车辆图像特征,选取HSV颜色模型,其中饱和度S分量能够很好地将车牌区域与车灯及其形成的光束和道路上的车道线等大量噪声分离开来;色彩H分量能够将与车牌颜色有关区域标定出来,可将饱和度较高但不符合车牌颜色特征的区域剔除;融合H、S分量提取的车牌特征信息.对各种不同姿态的夜间车辆图像均可完成目标定位.通过各种情况下获取的实测夜间图像测试,实验结果表明该方法实现简单快捷,对于包含车头灯或车尾灯的夜间图像.定位方法均有效.     

基于面积稳定性与形状属性的杆状区域分割*

针对不同光学环境下模糊图像和复杂形状交叠图像中目标区域的分割问题,研究了基于属性形态学分析的杆状区域的滤波和提取方法。应用连通域的面积稳定性和形状属性特征对模糊边界的杆状目标进行滤波,连通域变换中的面积稳定性有效控制粘连细胞等大区域的形成,而形状属性以个体模板目标有效规约连通域的生长和修剪。实验表明：组合属性形态学方法有效地排除了非杆状物等背景干扰,有效分割出的目标像素达90%左右,识别出的目标区域达96%。该方法有效提高了用连通域表示的特定形状区域的分割精度和鲁棒性。     

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。     

复杂环境下的夜间视频车辆检测*

分析了夜间复杂交通场景的特点,提出了应用于夜间交通信息采集的HLEPT（headlight extraction,pai-ring and tracking）算法。该算法包含车灯提取算法和配对跟踪规则,并结合先配对车灯后跟踪其轨迹和先跟踪车灯后配对其轨迹两种方法,对车流量、车速等交通信息进行统计。实验表明,HLEPT算法复杂度低,具有良好的实时性、鲁棒性,良好环境下其检测率达到96%以上;即使在雨夜路面有车灯倒影的交通拥挤路段,也能达到88%的检测率。     

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。     

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。     

一种基于两级存储结构的网络流量测量算法

为了准确而完备地测量高速骨干网中各条流的流量，需要容量大且速度快的存储器来保存所有流的状态信息，因而代价极高。该文提出了一种基于两级存储结构的网络流量测量算法。两级存储结构由容量小但速度快的一级存储器和容量大但速度慢的二级存储器构成。考虑到网络流量分布的Quasi-Zipf法则，测量算法尽量将大流量流的状态信息保存在一级存储器中，将小流量流的状态信息保存在二级存储器中，较好地解决了存储器容量和速度之间的矛盾。仿真结果表明，与抽样测量相比，该算法具有较小、较平均的测量误差。 关键词：     

一种改进的自适应流量采样方法

高速链路对实时网络流量监测提出挑战.由于流量采集分析设备性能的限制,采用精确、高效的采样方法进行流量监测分析已成为必然.最简单的固定概率采样能监测较大业务流,但往往忽略掉比例几乎超过80%的较小业务流.数据流算法可以实时高效采集高速链路数据,基于该算法的SGS(sketch guided sampling)采样技术可以实时准确估计流大小分布,但当采样速率增大到监测系统处理能力最大值时,该方法的准确性迅速降低.基于SGS方法,提出一种自适应实时网络流量的采样方法SRGS(sketch and resources guided sampling).该方法将监测系统处理能力作为采样概率调节的一个重要参数.实验结果显示,SRGS方法能够及时根据当前流大小和监测系统处理能力,调节数据包采样概率,准确性高于SGS方法.     

ViCTS: A novel network partition algorithm for scalable agent-based modeling of mass evacuation

Emergency evacuation is a critical response to deadly disasters such as hurricanes, floods, and earthquakes, etc. However, mass emergency evacuation itself is a complex process that sometimes could lead to chaotic situations and unintended consequences. In many emergency scenarios, mass evacuation is necessary to cope with severe public threats within tight spatiotemporal ranges. To better understand complex phenomena like mass evacuation, and study possible consequences, agent-based models (ABMs) have been widely developed in previous work. Existing models simulate individual behaviors, posing computational challenges when applied to large geographic areas and sophisticated behaviors. A key strategy for resolving such computational challenges is to partition transportation networks into smaller regions and resolve corresponding computational costs by taking advantage of advanced cyberinfrastructure and cyberGIS. In this study, a novel network partition algorithm is developed to improve the scalability of agent-based modeling of mass evacuation based on a cutting-edge cyberGIS-enabled computational framework that exploits the spatial movement patterns of emergency evacuation. Specifically, the algorithm is termed as Voronoi Clustering based on Target-Shift, or ViCTS. It is enlightened by network Voronoi diagrams and designed to resolve computational scalability challenges caused by the unique characteristics of evacuation traffic. We conducted a set of computational experiments with real street network data in various evacuation scenarios to test the effectiveness and efficiency of the algorithm. Computational experiments show that ViCTS outperforms a widely used network partition algorithm for microscopic traffic simulation in terms of achieving optimal computational performance by balancing computational loads and reducing communications across high-performance parallel computing resources.     

夜间城市交通监控中各类车辆轨迹的完整提取

针对夜间城市交通视频中各类车辆轨迹的完整提取，提出结合车辆类型与轨迹反馈修正的跟踪系统。在视频远中近区域筛选复原车灯光斑后，用面积重叠法获得车灯初始轨迹，再应用反馈纠正误匹配；通过单应性矩阵推算实际车宽，并依此给车辆分类后，按照时空相似度完成车灯配对；最后修正、优化车辆跟踪结果，实现相邻两个监控点间车辆轨迹的完整提取。与同类算法相比，车辆跟踪帧数增加了500帧，车灯匹配率提高了11.33%，车辆跟踪率提高了10%。     

基于大气反射-散射模型的复原图像中交通视频车灯检测

针对夜间复杂照明环境导致车灯检测率低的问题, 提出了一种基于大气反射-散射模型的复原图像中夜间交通视频车灯检测算法. 首先根据漫反射原理抑制路面漫反射光, 在对大气散射模型做了改进之后, 估计了大气散射模型中的大气光, 再根据暗原色先验理论估计环境光, 重新定义透射率, 从而得到了只含有车灯及反射区域的复原图像.为了进一步抑制该复原图像中的强光光晕, 再次利用暗原色先验理论重新估计环境光, 得到最终的复原图像. 最后对复原图像中的所有亮斑根据四类几何特征逐步筛选, 排除视野中的非车灯. 实验结果表明, 该方法在复杂雨雪天气、高密度及高速等不同情况下, 与同类先进算法相比具有较高的检测率, 较低的漏检率和误检率.     

基于流映射的负载均衡调度算法研究

网络管理者需要能够提供可扩展性、吞吐率保证及报文顺序的高性能路由器体系结构.目前基于Crossbar的集中式路由器体系结构难以实现性能和规模的可扩展,基于两级Mesh网络的负载均衡交换结构成为扩展Internet路由器容量的有效的途径.负载均衡路由器存在严重的报文乱序现象,输出端报文重定序复杂度为O(N2).文中提出一种区域均等的负载均衡交换结构,每k个连续的中间级输入端口划分为一个区域,输入端采用基于流映射的负载分配算法UFFS-k(Uniform Fine-grain Frame Spreading,k为聚合粒度,简称UFFS-k),在k个连续的外部时间槽,以细粒度的方式将同一条流的k个信元分派到固定的映射区域,通过理论证明,该调度策略可获得100%吞吐率并能够保证报文的顺序.为避免流量区域集中现象,采用双循环(dual-rotation)方式构建不同输入端口的流到区域的映射关系;为实现负载在中间级输入端口的均衡分布,每个输入端口维护全局统一视图的流量分布矩阵,UFFS-k调度算法根据流量分布矩阵调度单位帧,可以证明,对任意输出端口j,同一区域OQj队列长度相同且不同区域OQj队列长度至多差1,从而实现了100%负载均衡度.UFFS-k调度算法分布于每个输入端口独立执行,根据流到区域的映射关系及负载分布状态分派信元,模拟结果显示,当聚合粒度k=2时,UFFS-k算法在同类维序算法中表现出最优延迟性能.