基于单地磁的车辆速度检测方法研究

近年来利用地磁技术进行交通信息检测已发展得较为成熟,但主要应用于停车场车位状态检测,交叉口交通流量和交叉口排队长度数据检测。本文研究提出了一种基于单地磁技术的车辆速度检测方法,利用车辆经过单个地磁检测器引起的不同地磁扰动波形对车型进行分类并建立波形库,通过波形匹配识别经过车辆的车型,由车型确定车辆尺寸长度,结合车辆通过检测器所用时间计算车速。本文对单地磁车辆速度检测也进行了测试,通过与雷达测速仪检测结果对比分析,表明单地磁技术对车辆速度的检测较为稳定,进一步优化后值得推广。     

交通车辆视频测速技术

介绍了利用图像处理与机器视觉技术实现交通车辆视频测速的方法，提出了系统的软件和硬件构架，给出了关键算法。通过视频图像的采集实现了运动车辆的速度检测，对背景估计、运动检测、目标分割、目标位置确定、目标跟踪等方法提出了相应的计算方法和计算公式。在检测方法上解决了帧差运动检测中的噪声污染问题；利用了神经元网络对目标实际位置进行计算，同时运用了相应的预测方法，解决了目标跟踪的稳定性问题。这种视频测速技术的成功研究，降低了车辆测速器的制作成本。     

基于纹理及统计特征的视频背景提取研究

背景提取是视频监控及运动跟踪的基本问题,针对交通视频监控应用中图像亮度变化和路口交通繁忙的实际特点,提出基于纹理特征及统计学模型的背景提取方法,完成背景的稳健提取和实时更新。首先根据灰度—基元共生矩阵建立图像的纹理特征描述并据此初步判断某一区域是否有运动目标,进一步基于混合高斯分布模型进行背景像素判别和背景提取,最后应用多分辨率计算方法提高算法实现效率。实验结果表明,该方法能够更好的适应光照条件的不同变化,同时在交通状况繁忙的路口也能够准确的获取背景图像,计算时间仅为原来的1/4,从而满足背景提取算法在复杂环境下稳健性和实时自适应更新的要求。     

基于智能定位的工业现场全天候监控视频异常检测研究

为保证工业现场工作期间人员安全以及非工作期间机械设备安全,全天候监控视频检测异常状况十分必要。基于上述背景,提出一种基于智能定位的工业现场全天候监控视频异常检测方法。该方法利用带有夜视功能的高清摄像头采集工业现场监控视频图像,并实施灰度化、滤波、直方图均衡化预处理。利用SIFT算子提取视频图像目标特征,构建视觉字典,通过视觉字典智能跟踪定位视频图像中的目标。提取目标5个细节特征,利用深度学习中的深度置信网络构建分类器,检测监控视频图像中的异常情况。结果表明：与基于遗传算法的异常检测方法,基于神经网络的异常检测方法以及基于支持向量机的异常检测方法相比,所研究检测方法的灵敏度、特异度和正确率均要更高。     

基于融合性检测法的车辆轮廓提取研究

当前智能交通指挥系统中,目标车辆提取技术已得到了利用,但在提取效果方面难如人意。通过对现有目标车辆提取技术的研究,明确各技术优劣,提出了融合性车辆检测法,以实现对目标车辆轮廓的提取。明确了融合性检测法的实现原理,并就融合性检测法提取车辆轮廓信息的流程进行了说明,包括目标车辆检测、形态学滤波处理、连通域分析、车辆轮廓提取等。最后,借助相关设备进行实验,针对试验结果进行分析,比较三种方法所得检测结果,明确了融合性检测法的优势,并基于对车辆轮廓提取效果的分析,肯定了该方法具有良好的轮廓提取效果。     

基于图像特征点匹配的车辆运动检测

提出了应用于交通视频监控系统中车辆运动检测和分割的一种新颖有效的方法.采用了较为简易的特征点匹配检测车辆并利用纹理识别对车辆进行分割.此方法不需要对序列图像进行预处理,能有效消除光照阴影和背景,实验结果表明该方法可以实时准确提取道路交通信息.     

基于异向性磁阻传感器的车辆检测与车型分类

根据行驶车辆对地磁场的扰动效应,采用三轴异向性磁阻传感器HMC58831设计了一种车辆检测与车型分类系统,通过软硬件相结合的方法克服了磁阻传感器输出信号基准值漂移对车辆检测的影响,针对车辆首尾相接与大型车辆的检测矛盾,提出了一种基于方差的多状态机自适应阈值车辆检测算法,并在检测出车辆的基础上,利用磁阻传感器三轴磁场信息提取车辆信号特征,选择算法复杂性低、分类能力强的BP神经网络对城市道路车辆进行分类,实际测试结果表明,本文车辆检测与分类算法测量精度高、鲁棒性强,可靠性及冗余度好.     

改进的ViBe算法及其在交通视频处理中的应用

基于ViBe算法的运动目标检测具有很高的处理效率,但在复杂背景下也存在缺陷,比如不能有效抑制运动目标的残影和鬼影区域、易受噪音干扰,在交通视频的处理中更为明显。鉴于ViBe算法的这些不足,本文对ViBe原算法提出了改进,结合像素生命长度对鬼影或残影像素进行判断,利用二次更新策略提高消除速度。根据像素值变化引入最大类间方差法,将原有的固定像素阈值变为动态阈值,以提高交通视频中车辆目标检测的抗干扰能力。实验结果表明,在3组不同交通场景视频中,改进算法能够在较少帧数内消除目标的残影或者鬼影。对结果的量化分析也证明了改进算法由于应用了动态阈值,使目标检测的精准度和整体性都有所提高。     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

交通路标图像的分割与识别方法研究

对交通道路标志进行实时、正确的识别,是车辆自动导航中的一个重要方面.提出一种基于尺度不变特征变换(SIFT)算法的交通路标识别方法.该方法首先根据交通路标的色彩信息,利用HSV颜色空间对输入含有路标的彩色图像直接进行处理,从而快速分割提取目标区域;然后基于SIFT特征将分割提取的目标图像与数据库中原有图像进行特征匹配,...     

基于前景提取的车辆识别与测量

立体匹配是双目立体视觉测量中的关键环节,具有重要的研究价值。本文提出了一种基于背景减除法和BM匹配算法相结合的车辆检测方法。该方法主要通过对视频帧和背景图像进行背景减除来屏蔽复杂外界环境因素干扰,并可以有效地提取车辆前景;进一步利用BM立体匹配算法对车辆进行块匹配,获取车辆的视差图并对车辆尺寸进行测量。实验结果表明:该系统能得到轮廓清晰、成像效果好的车辆视差图,且车辆尺寸的测量数据相对准确,具有一定的实时性和可靠性。     

一种基于车辆遮挡模型的车流量统计算法

传统视频检测车流量统计利用车辆跟踪解决遮挡问题,算法复杂且容易受到外界干扰影响,为此建立了若干车辆遮挡模型,利用分层轮廓匹配法将运动目标与车辆遮挡模型进行轮廓匹配识别出遮挡车辆。为了提取运动目标完整外部轮廓,提出一种基于连通域的两轮扫描法来标记各个运动车辆,并利用YUV彩色空间对阴影进行检测和抑制,提高车流量统计精度。实验结果表明,该方法能有效识别遮挡车辆,具有较高的车流量统计精度。     

基于模糊分类的弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。本文直接从待分类图像入手提取出不同的类别区域,这样得到的分类模板就准确的体现了当前图像的不同类别,在此基础上进行分类就能得到图像的准确的类别分类从而实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的三类物体：净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义;再次,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类的理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确分类,较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。     

基于PSTN的车流交通视频监测系统的研究

随着城市交通和通信基础设施的不断完善,对于交通管理的科学性和高效性提出了更高的要求,智能化的交通监测也随之成为一个重要的研究课题而倍受注目.目前的交通监视系统普遍采用专用的通信信道直接把前端视频信号传输至管理中心,然后由人工方式完成交通信息的收集、处理与分析.而提出的以公共电话交换网(PSTN)为通信平台,前端采用数字视频处理技术,自动实现车辆目标的提取和交通信息的收集,然后按照分层方式实现交通场景视频的高效表征与压缩,使所需的传输带宽满足PSTN的要求,而在后端的管理中心建立交通信息分析和数据库系统,实现信息的自动处理和查询.初步的实验表明,系统能较好的实现城市道路车流交通视频监测功能,从而为后续的进一步研究奠定了基础.     

基于树莓派的车辆识别与车流监测系统的设计

为实现交通路段的车流监测与交通灯智能控制,搭建了一套基于树莓派的车辆识别与车流监测系统。系统硬件设计借助嵌入式开发平台,利用摄像头采集路口车辆的图片信息,使用Zig Bee技术实现无线数据传输,采用树莓派主控模块完成图像数据分析与实时学习。系统软件设计综合应用了OpenCV、TensorFlow神经网络模型和Keras深度学习库等技术,采用图像处理技术对车辆数据进行检测、跟踪、分类,实现车辆识别。实验结果表明,系统可准确识别车流量,并能根据路口实际车流量对各方向交通灯时长进行合理控制和分配。     

基于先验显著性的卫星视频微小运动车辆检测

卫星视频中微小运动车辆由于特征信息少,使得当前基于特征的方法很难获得良好结果,为了应对卫星图像中复杂的图像环境以及目标微小的像素占比,提出了一种基于多种图像先验信息约束显著性的运动车辆检测方法.首先利用简单线性迭代聚类算法对视频帧生成数量适宜结构紧凑的超像素,并基于人眼显著性模型计算各超像素的边界相关性;同时采用背景建...     

基于单线圈的车辆识别研究

实时准确的车辆识别对于成功的快速路管理系统来说是至关重要的。然而对于铺设大量单线圈的快速路网来说,车辆识别并不能直接从单线圈检测器测量出来。本文利用各种车辆通过单线圈的感应曲线作为研究对象,提取感应曲线的特征并进行特征分离,利用模糊模式识别方法对车型进行匹配分类,以满足不停车收费系统对实时性的要求。本文主要研究了单线圈车速检测和车型识别的方法以及检测系统的硬件设计,对开发单线圈车辆检测产品具有一定的实用价值。     

基于混合智能算法的肇事车辆追踪系统设计

针对目前肇事车辆追踪难题和传统算法检测精度低、速度慢的缺陷,设计了一个基于混合智能算法的肇事车辆追踪系统.采用帧差分法得到目标运动区域,利用背景差分法提取精确的目标图像,然后提取目标特征点处的光流并对兴趣区域标注,克服了空洞、重复检测和光照影响的问题,降低了时间复杂度,使目标追踪结果更精确可靠,检测时间少.实验结果表明,与传统算法相比,该系统能够快速、准确的追踪肇事车辆,具有很强的有效性和实用性.     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

空基平台下城市车辆的快速检测算法

空基系统下的城市交通实时监控由于其运动性强、视野广等优点已经成为一个研究热点,其核心在于利用无人机捕获交通环境信息,再使用计算机技术来检测车辆,其难点在于平台运动、拍摄场景复杂多变等因素,使得传统车辆检测算法在空基系统下不能满足高实时性、高检测率以及低误报率的综合需求,快速车辆检测算法首先利用图像处理速度快的优点,提取车辆候选区域;然后利用分类技术准确率高的优点,在候选区域上准确定位车辆．与传统的车辆检测算法相比,大大提高车辆检测的性能。