基于卡尔曼滤波的交通参数采集系统

基于计算机视觉的交通监控系统，已成为交通管理的主要手段，车辆的实时检测和追踪是智能交通监控系统的核心。文中介绍了公安部智能交通项目的交通信号采集模块中使用的关于多物体追踪的一些方法，主要采用了子特征提取方法和kalman滤波统计模型，建立起物体的追踪模型。在其基础上实现目标的检测和追踪，及最终的交通参数的测量。     

一种基于图像的运动物体检测及高度分析算法

现代监控系统要求做到无人值守, 而智能视觉监控能很好满足这个要求.文中为实现这种智能视觉监控系统做了一些算法上的研究工作:实现了对运动物体进行实时检测和追踪,并利用透视几何中的消影点、消影线以及交比的约束方法对运动物体高度进行了分析.试验结果表明,此方法将自适应阈值应用到物体检测中使检测结果更加精确,并且自动估算出的物体的高度误差也很小,具有一定的实用性.     

一种基于图像的运动物体检测及高度分析算法

现代监控系统要求做到无人值守，而智能视觉监控能很好满足这个要求。文中为实现这种智能视觉监控系统做了一些算法上的研究工作：实现了对运动物体进行实时检测和追踪，并利用透视几何中的消影点、消影线以及交比的约束方法对运动物体高度进行了分析。试验结果表明，此方法将自适应阈值应用到物体检测中使检测结果更加精确，并且自动估算出的物体的高度误差也很小，具有一定的实用性。     

动态场景中的自适应背景建模研究

随着智能监控技术的快速发展,基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用.然而,在实际的户外监控环境下,由于光线变化以及初始背景样本的多样性,难以建立良好的背景样本.针对上述问题,提出了一种自适应的背景建模方法.其中自适应指两个方面:第一,背景的自动更新;第二,不需要使用背景帧样本作为模型训练的输入.在此基础上,建立了针对户外交通环境的智能车辆监控系统.实验结果表明,上述方法在动态场景的车辆检测中取得了较好的效果.     

GIS在智能交通系统交叉口监控中的应用研究

研究了智能交通系统中城市道路交叉口监控问题.着重针对交叉口监控中数据量大,且无法及时进行分析,动态调度和实时控制的问题进行了调查.通过对交叉口监控中大量数据的分析和整合,提出了利用地理信息系统和数据库有效解决海量数据存储和分析的方法.首先讨论了基于海量数据库的地理信息系统的技术框架,提出了一种基于Intergraph Geo-Media的交叉口交通监测模型以及系统实现方法,提高交通管理效率和城市道路利用率,接着探讨了基于GIS的智能交通交叉口监控系统亟需解决的问题.     

一种基于高斯混合模型的视频监控运动物体提取系统

现有的视频监控系统必须要依靠人对监控图像的实时观察才能发挥作用。设计并实现了一种基于高斯混合模型的自适应的视频监控运动物体提取系统,使用高斯混合模型对监控场景进行建模,利用对象形状的空间连通性和最小像素尺寸约束去除噪声影响,从而实时地分离出前景中的运动物体并对其进行追踪和计数,仿真实验的结果证明了系统的有效性。     

基于智能视觉的车辆事故预警监控系统设计

针对车辆行驶中驾驶员视觉盲区或注意力不集中而造成的交通事故问题,提出采用智能视觉技术对车辆行驶过程中四周的异常物体进行视频监控,对动态视频场景中的运动目标进行检测、识别与实时测距,通过车辆智能视频监控系统最大程度的为驾驶员提供更多预警信息,预防交通事故的发生;文中介绍了车辆智能视觉监控系统的硬件设计方法与软件工作流程,并研究了运动目标检测算法与单目视觉测距算法,通过仿真实验,验证了该智能视觉车辆监控系统对于运动目标进行检测、识别与智能测距判断的实验结果.     

一种综合运动检测和视觉跟踪的智能监控系统

智能监控是当前计算机视觉领域中的热点问题之一。本文提出了一种运动检测与视觉跟踪相结合的智能监控系统,能自动完成轨迹的初始化和终止,能够对数目可变的目标进行自动跟踪。该系统首先利用基于颜色空间模型的阈值化背景减法提取出运动目标,然后结合基于MCMC的颜色粒子滤波器和全局最近邻法对多个目标进行跟踪。并基于OpenCV机器视觉库搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪数目变化不定的运动物体。     

基于三维模型的交通场景视觉监控

视觉监控是计算机视觉研究的前沿方向.动态场景视觉监控就是利用计算机视觉和人工智能的理论和方法.通过对摄像机拍录的图像序列进行自动分析来对场景中的运动物体进行定位、跟踪和识别,并对物体的运动行为作出判断或者解释,达到监控的目的.本文结合交通场景监控这一特定任务,实现一个包括摄像机标定、模型可视化、运动车辆的姿态优化与定位、跟踪预测、基于轨迹分析的行为理解等功能算法的交通场景视觉监控系统.从算法和实现的角度出发，文章对系统中各个功能模块进行了较为详细的描述与讨论.     

基于阴影检测的HSV空间自适应背景模型的车辆追踪检测

在交通监控中，要进行车辆的检测、车流量统计、实时追踪、车速测定等工作，而如何从复杂的背景中分割运动物体是至关重要的一步，目前采用的典型方法是背景相减方法。为了对运动车辆进行准确快速的检测，在研究了目前存在的各种方法之后，提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法，并将其应用于运动物体的分割，同时给出了具体的试验结果。该方法之所以不在传统的RGB空间实现，而在HSV空间实现，因为HSV空间可以提供更丰富的颜色信息。运行试验结果表明，该方法准确率高，适应性强，运算速度快，兼具灵活性，能满足实时检测的需要。