一种基于视频技术的车辆检测和计数算法

介绍了一种基于视频的车辆检测和计数算法,分析了该算法程序的实现过程,并针对系统进行了实验。实验结果证明,该车辆检测和计数系统可以检测交通路口的车辆,并且可以对通过的车辆进行计数。     

基于虚拟线的交通信息视频检测技术及应用

提出一种基于虚拟线的交通参数(车速、车辆计数等)视频检测方法。通过检测在实时图像序列中设置的虚拟线,检测车辆存在,进而计算出车速、车流量等交通信息。该方法自适应更新背景和阈值,具有较高的检测精度和良好的抗干扰性,避免了大量乘法运算,有效地提高了检测速度,具有良好的实时性。     

基于射频识别的交通拥挤程度计算

根据RFID数据采集的冗余性,提出了一个基于RFID的交通拥挤程度计算方法,它利用最近一段时间内RFID读取计数和车辆计数之间的关系,计算交通拥挤程度。与简单地丢弃冗余数据相比,本方法为充分利用RFID数据的价值,提供了新的思路。实验结果表明,本方法有效可行,并能应用于大规模智能交通系统中交通拥挤的实时检测。     

基于数字图像处理的交通信息检测

本文提出了一种基于数字图像处理的交通流量参数的检测方法，通过CMOS传感摄像头对交通道路摄取的车辆和交通场景来有效地检测交通参数，其中主要用到基于DSP的数字图像处理方法来对摄像头获取的图像进行获取、分析、分割及特征提取等。本方法可以完成单车道的城市交通要道的车辆计数和车辆速度检测等交通信息。该方法具有良好的实用性和可靠性，可用于现场采集交通信息以便调控交通道路状况。     

基于计算机视觉和图像处理的交通参数检测

本文提出了一种基于计算机视觉和图像处理的车流量检测方法,通过分析CCD TV 摄 像机获取的图像中车辆和场景信息来有效地检测交通参数．本方法可以完成双向四车道高速 公路和城市道路的车辆计数和车辆速度检测．实验结果表明：车辆计数的正确率为94％,车 辆速度检测的正确率达92%,并具有满意的实时特性．     

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3G手机的A-GPS高速公路交通数据采集

针对目前高速公路交通数据采集方法初期硬件投资高的问题,提出了利用手机3G中A-GPS技术采集高速公路交通数据的方法。给出了车内手机识别、一辆车内多部手机的车辆计数及邻近车辆区分的具体方法。作为实例,通过计算高速公路路段区间的交通量来说明所给方法的可实现性。     

自动交通监测系统的二维时空图象方法

本论文提出了一个利用二维时空图象进行交通自动监测的新方法。摄像机架设在公路上方，通过两个细缝检测窗口──垂直于道路方向的车辆检测窗和平行于道路方向的速度检测窗，便形成用于交通自动检测的二维全景图（ＰＶＩ）和外极面图（ＥＰＩ）。本文讨论时空图象生成和校准的方法，车辆检测的信息融合方法和速度估计的时空轨迹法。实验表明，基于低成本的硬件，可实时得到车辆计数、分类和速度计量等基本交通参数。     

混合交通流中的自行车识别及参数提取*

为了提取高密度混合交通流下的自行车交通参数,建立基于视频的交通检测系统,改进了卡尔曼自适应背景模型,提出了基于决策树的自行车群识别方法和基于面积阈值的车辆计数方法。对实际场景拍摄的视频处理得到了混合交通流分类、计数结果和速度密度关系。结果表明,该方法不但能有效地检测、跟踪、识别高密度混合交通流下的自行车目标,而且达到了为自行车模型研究获取合理的交通流密度、速度等相关交通参数的目的。     

MVB总线的轨道交通车辆乘客计数系统设计

为了对城市轨道交通各线路的客流人数进行统计,设计了一种基于 MVB总线的城市轨道交通车辆乘客计数系统,介绍了该系统的框架,阐述了该系统的软硬件结构及其功能.构建了一套模拟测试环境,模拟了城市轨道交通车辆车载网络及客流情况,对该系统进行功能及性能测试.测试结果表明,该系统 MVB通信功能稳定可靠,计数准确度较高,能基本满足城市轨道交通车辆乘客计数的准确度要求.     

基于最小风险的Bayes决策方法在交通检测中的应用

提出了一种在智能交通系统中实时检测交通参数时更新路况背景的新方法,即基于最小风险的Bayes决策分类的背景提取方法。通过比较在不同类别路况模式下的期望风险值,找到最小风险值所对应的决策方案．相应地采取不同的策略替换路面背景。这种方法可达到精确地检测车辆的目的,并将其应用于智能交通参数的视觉检测过程中。其结果满足实时性检测的要求,可作为智能交通系统中高层控制管理的基础。     

基于角点特征分析的车辆排队长度检测方法

针对交通堵塞造成的各种状况,通过视频分析实现实时高效的车辆排队长度检测,从而获取更多的交通信息改善交通状况.本文通过传统的FAST角点检测方法与运动检测的过程相结合得到改进后的FAST算法,使用改进后的FAST角点特征分析技术,不仅可以提取出当前交通道路上表征车辆存在的角点特征图,还可以获取角点位置的运动状态.通过对交通监控下的视频进行预处理后,单一车道内处于静态的角点特征形成车辆排队,并进行PCA处理得到一维向量,最后对一维向量进行形态学处理来检测单一车道内的车辆排队长度.实验表明,本方法检测精度平均98%,满足应用于实际场景.     

一种新的车辆遮挡检测与分割方法

遮挡是图像处理和运动物体跟踪过程中比较难解决的问题。针对交通视频中车辆遮挡问题,提出了一种基于统计模型的车辆遮挡分割算法。该算法在提取出运动车辆的基础上,使用横向-纵向扫描方法对运动车辆前景模板进行去空洞处理,得到完整的运动车辆区域;利用统计模型判断是否发生遮挡,如果判断车辆发生遮挡,在加入纠错机制的前提下得到正确的遮挡点,同时确定遮挡区域;利用边缘提取方法分割出遮挡区域,得到完全分隔的车辆。实验结果表明,该方法能够很好地解决车辆部分遮挡问题。     

一种基于改进码本的车辆检测与跟踪方法

为了解决固定摄像机下车辆跟踪过程中阴影对检测的影响,提出一种改进型码本模型的车辆检测方法。该方法直接对YUV空间的车辆序列进行处理,将采样到的背景值聚类成码本,对于新输入的像素值与其对应位置的码本作比较判断,提取出前景区域。车辆跟踪中采用Kalman预测的方法来处理车辆遮挡问题。实验结果表明,本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,能较好地处理阴影、高亮、遮挡和背景变化等问题,且计算复杂度小,能满足实时跟踪的需要。     

基于虚拟线圈的光流法车流量检测

在交通系统中常需要知道道路的占有率、车流量等交通参数。该文提出了一种有效的车流量检测方法，这种方法首先在视频图像中设置好虚拟线圈作为检测区域，然后用光流法对检测区域进行图像处理，求出光流场，根据光流场的信息来判断检测区域内是否有车辆通过，通过对检测区域的不断判断来统计车流量信息。试验证明该文提出的车流量检测算法具有实施方便、检测精度高的特点，而且很容易推广用来测量占有率、车速等其它交通参数。     

改进YOLOv3的非机动车检测与识别方法

随着交管部门对非机动车监管力度的增强,在道路交通监控视频中检测和识别非机动车将逐渐成为电子交警系统的必备功能。由于非机动车密度大,容易互相遮挡,且在监控视频中所占面积往往较小,容易出现检测定位不准确和漏检等问题。针对非机动车检测定位不准确和漏检问题,基于YOLOv3,提出一种改进的非机动车检测与识别模型,通过设计新的特征融合结构降低非机动车漏检率,使用GIOU损失提高定位准确度。实验结果表明,所提出的改进模型在自建真实复杂场景非机动车数据集上取得了优于YOLOv3的检测结果,将检测的平均检测准确率（mAP）提高了3.6%。     

Deployment of a fully distributed system for improving urban traffic flows: A simulation-based performance analysis

Distributed, cooperative systems dedicated to road traffic self-organization are very attractive, but present some drawbacks. In particular, their cooperative nature makes them fairly inefficient when working with a reduced number of partners. This situation typically corresponds to the deployment stage, during which only a few vehicles cooperate. This time period cannot be avoided when pushing a new system to the market. We are interested in two features that are important for this kind of system: traffic jam detection and traffic alert transmission. For the first feature, we present a theoretical model that anticipates the proportion of equipped vehicles that allows an acceptable level of traffic jam detection, and we validate this model by simulation. For the second feature, we examine two ways to improve the system behaviour when the proportion of equipped vehicles is very low; their efficiency is tested through simulation. This study is innovative because the simulation platform we developed can take into account the directional behaviour of wireless communications in urban context for a low computational cost.     

基于残差网络的小型车辆目标检测算法

城市道路中车辆检测与识别对于提升交通安全,发展智能化交通具备非常重要的意义。传统的检测方式依赖于人工提取的特征,已难以适用于复杂多变的交通场景,存在识别精确度低、时间复杂度高等缺陷。深度学习模型可以自动提取有用特征,泛化能力强,但难以对相似型车辆进行更加精细的分类,为此提出一种基于残差网络的小型车辆目标检测算法。算法将传统卷积神经网络的连接形式改为一种基于局部连接和权值共享的残差连接模式,同时更改网络结构控制参数数量,将图片不同层次的特征融合计算,应用感兴趣区域池化层规格化前层特征,最后经过分类层和回归层得到目标框的置信度以及修正参数。实验表明,改进模型能够在保证时间效率的前提下增强网络的学习能力,提高平均精度,在相似小型车辆的检测问题上取得了良好的检测结果。     

利用七宫格的遮挡车辆凹性检测与分割

目的:交通场景中车辆间的距离过近或相互遮挡容易造成识别上的粘连,增加了准确检测目标车辆的难度,因此需要建立有效、可靠的遮挡车辆分割机制。方法:首先在图像分块的基础上确定出车辆区域,根据车辆区域的长宽比和占空比进行多车判断;然后提出了一种基于“七宫格”的凹陷区域检测算法,用以找出车辆间的凹陷区域,通过匹配对应的凹陷区域得到遮挡区域;最后,将遮挡区域内检测出的车辆边缘轮廓作为分割曲线,从而分割遮挡车辆。结果:实验结果表明,在满足实时性的前提下算法具有较高的识别率,且能够按车辆的边缘轮廓准确分割多个相互遮挡的车辆。与其他算法相比,该算法提高了分割成功率和分割精度,查全率和查准率均可达到90%。结论:提出了一种新的遮挡车辆分割方法,有效解决了遮挡车辆不宜分割和分割不准确的问题,具有较强的适应性。     

基于移动ad-hoc网络的车辆定位

当车辆不能通过GPS接收机获得自身位置信息时,就难以获得有用的交通提示风险服务.提出了一种新的基于车载移动ad-hoc网络车辆定位方法,该方法能够获取作为网络节点车辆的大致位置,并结合一种改进的警报信息优化传播算法,向即将处于危险或拥堵区域的不能通过GPS接收机定位的车辆发送警报信息.仿真实验表明只要车辆自组织网络中有40%的车辆可以获得GPS的定位信息,就可以将警报信息准确完整地送达处于网络中的所有车辆.当遇到浓雾天气、交通事故或者是其他拥塞时,该方法会防止车辆进一步拥堵并能提醒驾驶员防范危险.