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.     

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。     

高分辨率卫星遥感影像严格几何定位模型发展综述

成像几何模型是遥感影像几何处理和地球空间信息提取的理论基础。在不同类型的几何定位模型中,严格几何定位模型具有高精度、高可靠性的优点,因此对严格几何定位模型的研究有非常重要的意义。综述了近年来国内外新出现的高分辨率卫星遥感影像严格几何定位模型,分析了典型的3种模型:SISAR软件实现的严格几何定位模型、基于单位四元数的严格几何定位模型和基于对偶四元数的严格几何定位模型,阐述了其理论基础和优缺点。由于基于对偶四元数理论所建立的几何模型可将光线束的位置和姿态统一用对偶四元数表示,因此对该模型的研究是一个新的具有内在潜力的发展方向。     

基于关联规则的面向对象高分辨率影像分类

以北京市昌平区Geoeye-1高分辨率遥感影像为试验数据,研究了关联规则挖掘和面向对象相结合的地物分类方法。首先探讨了关联分类法的原理,再通过图像分割、特征提取、关联规则挖掘、分类器构建一系列过程实现了基于关联规则的面向对象高分辨率影像分类,最终评估分类精度并与K-近邻法进行了对比。结果表明,该方法具有较好精度,能够在一定程度上摆脱地物分类对于专家知识的依赖。     

基于ZigBee的可充电微型车辆传感器设计

车辆检测传感器可以准确实时获得各种交通数据(包括车流量、车速度、车辆密度、车头距、占有率等),是智能交通系统(ITS,intelligent traffic system)中最重要的交通数据采集设备之一。本文根据国内外车辆检测器技术的发展,采用微型线圈,并将单片机控制技术和新型的短距离无线接入技术ZigBee引入车辆传感器的设计中,从而有效得降低了安装的工程量,开发出适用性更强的车辆传感器。     

基于车载图像的目标车辆压线检测方法

车辆压线检测是智能交通系统的一个重要功能,为此提出一种基于车载图像的目标车辆压线检测方法.首先,利用合成数据方法构建一个类型丰富多样的压线检测数据集;然后,结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果,再使用前后轮估计的方法获取车辆前后轮的位置;最后,通过车轮与车道线位置对比实现车辆压线判断.实验表明,结合图像语义分割模型后,所提方法的压线检测平均准确率达到88.7%,平均耗时35 ms,具备一定的实际应用价值.     

智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述

与传统的车辆检测器相比,基于视频图像处理与视觉技术的车辆检测器具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而近年来在智能交通系统(ITS)中得到了越来越广泛的应用。针对摄像头拍摄得到的交通序列图像,人们提出了很多视频图像处理和分析技术,其中最基本的研究领域就是交通场景中车辆对象的检测与跟踪。介绍了近年来提出的一些主要的车辆检测与跟踪技术,并根据核心处理方法（基于特征、区域或模型等）及处理域（空域、时域）的不同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。     

基于新型异构处理平台的车辆优化检测应用设计

针对智能交通系统中车辆检测对处理实时性和使用环境的要求,提出了一种基于动物视觉的车流量检测算法,并将算法封装成组件应用于异构处理平台中.此算法通过判别相邻像素点的关联性,消除伪误差,提高了车辆识别的准确率.通过更新优化处理组件,快速更新车辆检测处理算法,有助于新算法快速应用到实际中去.实验证明,利用异构处理平台更新算法的方式,缩短了算法开发周期,提高了算法利用率,可有效快速的对处理流程进行更新.     

车辆检测传感器综述

介绍了两类典型的车辆检测传感器,即固定式车辆检测传感器:感应线圈检测传感器、超声波检测传感器、微波检测传感器、红外线检测传感器、视频检测传感器、磁力检测传感器以及声学检测传感器;移动式车辆检测传感器:浮动车和探测车。阐述了各种检测传感器的原理、所检测的交通参数以及其适合检测的交通环境,通过比较各种检测传感器的特点,指出了车辆检测传感器的应用方向是多传感器联合检测,旨在对我国车辆检测传感器技术的应用能有所帮助。     

基于车辆自组织网络的交通态势检测方法

随着汽车保有量的迅速增加,城市道路交通拥堵变得尤为严重,精确地检测交通态势可以帮助缓解交通问题。为此,提出一种基于车辆自组织网络（vehicular Ad hoc networks,VANETs）的交通态势检测方法---TraSD-VANET（traffic situation detection method based on VANETs）。在该方法中,车辆自动聚簇,然后主动向簇头汇报当前自身的位置和速度信息;簇头根据收到的信息计算簇内的车辆密度和路面上的加权平均速度,之后基于模糊逻辑判断簇内的交通态势。仿真结果表明,在四种车辆场景下,TraSD-VANET检测准确程度比协作检测方法 CoTEC （cooperative traffic congestion detection）平均高16％。该方法在道路交通态势检测中有重要的应用价值。     

高分辨率遥感影像上交通枢纽信息的自动提取方法

提出了一种在高分辨率遥感影像上自动提取交通枢纽,即重要道路交汇口的有效方法。方法的基本过程如下:利用高斯马尔可夫随机场纹理模型与支撑向量机进行图像分类得到道路块,通过细化得到道路轴线并登记宽度信息,然后通过启发式规则进行轴线连接得到道路网。而后在路网基础上,自动提取高宽度道路轴线之间的交点作为交通枢纽。通过实验证明了方法的有效性。研究可广泛应用于城乡交通基础设施规划、物流规划、军事作战分析等领域。     

交通场景中分块阴影检测算法研究

提出一种分块阴影检测算法,并描述了算法的实现,实验表明该算法克服了传统的边缘检测算法的缺点,阴影检测效果比传统算法更好。     

高分辨率遥感图像灾区建筑物检测

在遥感图像中,灾区建筑物的检测对灾情获取和灾后应急救援具有重要意义。针对灾区高分辨率遥感图像中建筑物检测的问题,提出了一种改进 的基于形态学特征的多方向和多尺度分割方法,以实现灾区建筑物的自动化检测。首先将形态学算子的重建、粒度和方向等性质 整合到建筑物的亮度、大小和对比度等特征中,对遥感图像进行初步的分割并提取高亮和高对比度的建筑物,然后结合图像的区 域边缘信息,进一步提取潜在的建筑物。实验结果表明,所提方法对灾区高分辨率图像中的建筑目标有较高的检测率和较低的误检率。     

国内外赤潮卫星遥感技术与应用进展

卫星遥感已成为赤潮探测与监测的重要技术手段之一。回顾了国内外赤潮卫星遥感技术与应用的进展,对国内外已开发的赤潮卫星遥感技术与方法进行了简要的评述,并给出了国内利用NOAA和SeaStar卫星探测与监测赤潮的3个实例。讨论了我国赤潮卫星遥感存在的问题,提出了发展我国赤潮卫星遥感技术与应用的建议。     

俄罗斯高分辨卫星影像及应用

高空间分辨率卫星影像由军用转向民用使遥感应用出现了崭新的局面,特别在城市地理信息系统,市政管理,物流运输,环境监测等方面有着极好的应用效果,简要介绍了俄罗斯高分辨率卫星影像产品和处理软件的功能以及在各领域的应用实例。     

机动车视频标注规范研究与标注平台的实现

针对智能交通系统(ITS)涉及到的机动车视频处理技术,提出了一种新颖的城市机动车视频标注规范,并开发了一个城市机动车视频标注平台。该平台可辅助用户对机动车视频进行手工标注。在视频处理算法的测试和训练中,利用标注好的机动车视频样本,能够为算法的训练、测试、改进、优化等提供极大的帮助。     

深度学习U-Net方法及其在高分辨卫星影像分类中的应用

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.795 6,并与传统的支持向量机（SVM, Support Vector Machine）和面向对象的分类方法比较,结果表明：相对于SVM和面向对象,基于U-Net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。     

U-Net Neural Networks and Its Application in High Resolution Satellite Image Classification

High-resolution remote sensing images have precise geometric structure and spatial layout, but the spectral information is limited, which increases the difficulty of classifying similar features of spectral features. Aiming at the problem of high resolution remote sensing image classification, a U-Net convolutional neural network classification method based on deep learning is proposed. Based on the remote sensing image of the Ejina Oasis GF-2 in the lower reaches of the Heihe River, the U-Net model was used to extract the five types of land cover types of Populus euphratica, Tamarix chinensis, cultivated land, grassland and bare land. The overall classification accuracy and Kappa coefficient were 85.024% and 0.795 6 respectively. Compared with the traditional Support Vector Machine(SVM) and object-oriented method, the results show that compared with SVM and object-oriented method, the U-Net model is used to classify the high-resolution remote sensing, and the classification effect is better. The ground extracts the essential features of the features to meet the accuracy requirements.     

高分辨率光学遥感图像建筑物提取研究进展

建筑物提取是高分辨率光学遥感图像理解和目标识别的重要研究方向。实现自动化、智能化、可靠准确的遥感图像建筑物提取对基础地理数据获取和更新具有重要的应用价值和现实意义。在概述高分辨率光学遥感图像建筑物提取研究现状的基础上,综述了当前建筑物提取的主要思想和方法,将主流的建筑物提取代表性方法分为自底向上数据驱动方法(Data-driven)和自顶向下模型驱动方法(Model-driven)两大类,在综合比较评述各方法特性的基础上,对该领域仍然存在的问题和研究方向进行了分析和展望。     

面向对象的高分辨率影像分类与信息提取

采用面向对象遥感影像分类方法对高分辨率遥感影像进行了信息提取实验,并将其与基于像元方法的信息提取结果进行了对比分析。实验研究表明,在目视效果上,传统方法的分类结果图中“椒盐现象”非常明显,而面向对象方法可以有效地避免“椒盐现象”;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高,总分类精度提高21.76%,Kappa系数提高0.2756。面向对象方法在高分辨率遥感影像信息提取中具有明显的优势。