基于视频的高速公路车辆提取与跟踪算法研究

将背景重建技术应用于运动车辆的提取与跟踪,构建了一个运动车辆提取与跟踪算法。在引入多特征匹配的基础上,设计了一种简单实用的目标跟踪多特征匹配判决逻辑。实验结果表明,该算法能够完成对多个运动目标的跟踪,而且对光线变化及目标运动状态的变化等不利因素有较好的适应性。     

基于视频的车辆检测与跟踪算法综述

指出基于视频的检测跟踪技术是未来智能交通系统的发展方向。在前人的基础上,综合分析比较几种常用的车辆检测和车辆跟踪算法,其中车辆检测算法包括背景差分法、帧间差分法和光流法,车辆跟踪算法包括基于区域跟踪法、基于特征匹配法及MeanShifi快速跟踪法,分析讨论这几种算法的优缺点,并简单论述其发展趋势。     

基于视频的车辆检测与跟踪算法研究

基于视频的车辆检测以及车辆跟踪是智能交通系统中的重要部分。本文在混合高斯背景模型的基础上,通过差分法分割出检测目标,利用检测目标的位置信息和色彩信息,找到与之最匹配的目标轨迹,从而实现车辆的跟踪。实验表明,该方法具有很高的检测与跟踪效率,同时能够满足智能交通系统的适时性要求。     

基于视频的夜间高速公路车辆事件检测

针对高速公路夜间行驶车辆的特点,基于最优化理论提出了一种鲁棒的车辆检测和跟踪算法,对现有的车灯提取算法和轨迹跟踪规则进行了改进,不仅可自动统计和显示车流量,车速等交通信息,并且能对逆行、拥堵、自由流停车等交通车辆事件做出自动判断。实验结果表明,该算法复杂性低,实时性好,在夜间路况较好的条件下车辆检测成功率达95%以上,在拥挤交通条件下,检测正确率在80%左右。     

基于视频检测的高速公路交通信息采集系统设计

基于视频检测技术设计了一种实时的高速公路交通信息采集系统。系统利用图像处理技术对交通视频进行实时分析,能有效地获取车流量、车速、道路占有率等基本交通信息。现场测试结果表明,该系统具有很好的实时性和可靠性。     

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。     

一种基于区域的视频车辆跟踪系统

基于区域跟踪法提出一种视频车辆跟踪系统,改进了系统中涉及的多个方法。以车辆的提取检测结果为基础,提出基于混合差分的车辆检测方法,使检测更快速,检测结果质量更高。通过设计堆栈搜索技术和车辆识别规则,提高了基于差分法的识别准确率,改进了区域跟踪效果。实验结果证明了系统的可行性与实用性。     

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。     

高速公路中的行车道检测和车辆跟踪

提出了一种有效的高速公路检测和多车辆跟踪视觉系统.该系统主要模块包括道路检测、基于二维模型的车辆跟踪器(近距离车辆的矩形模型和远距离车辆的U形模型)、启发式车辆检测、系统协调器.在系统中,跟踪器的动态产生和终止优化了系统的计算资源.另外,系统利用鲁棒性估计技术提高了道路检测的性能.车辆的跟踪是采用三参数状态空间的多边形拟合技术来实现的.本文采用了PETS2001提供的图像序列测试了系统有效性,在Pentium Ⅲ 450MHz PC 上系统的处理速度为平均每帧12毫秒.     

基于背景建模的车辆视频测速方法研究

为简化现有道路车辆测速系统,降低测速系统成本,提出了一种基于背景建模的视频测速算法.通过在道路监控视频中使用改进的背景建模方法检测视频中运动的车辆,利用跟踪算法对检测出的车辆进行跟踪,并记录下车辆通过固定距离的时间进而计算出车辆的实时速度.实验结果显示改进的背景建模方法能够有效检测出视频中的运动车辆,配合车辆跟踪算法可...     

基于粒子滤波算法的高速公路车辆停车检测

提出了一种基于粒子滤波视频跟踪算法的停车事件检测方法,实现了对高速公路交通视频的自动监控。首先用混合差分技术,快速提取出视频中的车辆对象;并用粒子滤波算法实现了运动车辆的跟踪;进而通过对车辆运动的数学建模,对停车事件进行了自动检测。最后,对多组高速公路交通视频进行测试,结果表明：提出的检测方法比其他常用方法响应速度更快,且具有较高的检测准确率和鲁棒性。     

基于孪生检测网络的实时视频追踪算法

目前,在视频追踪领域中,大部分基于孪生网络的追踪算法只能对物体的中心点进行定位,而在定位快速形变的物体时会出现定位不准确的问题。为此,提出基于孪生检测网络的实时视频追踪算法——SiamRFC。SiamRFC算法可直接预测被追踪物体位置,来应对快速形变的问题。首先,通过判断相似性来得到被追踪物体的中心点位置;然后,运用目标检测的思路,通过选取一系列的预选框来回归最优的位置。实验结果表明,所提SiamRFC算法在VOT2015|16|17的测试集上均有很好的表现。     

改进型虚拟线式视频车辆检测算法

在智能交通系统中,虚拟线式视频车辆检测算法广泛应用于交通流检测。虚拟线式视频车辆检测算法仅利用像素的亮度信息,受阴影和图像噪声的影响较大,在某些情况下认假率和拒真率比较高。为此提出一种改进型算法,采用两级检测方式,兼用了像素的亮度信息和色度信息。第一级处理利用亮度信息进行检测,第二级处理利用色度信息进行检测,根据色度信息修改亮度阈值。实验结果表明,改进型算法可有效克服阴影和图像噪声的影响,平均认假率为0.71%,平均拒真率为0.81%,与原算法相比均有明显降低,并且满足实时性要求。     

基于双线程LSTM在线更新的视频追踪算法

针对视频追踪中基于孪生网络的追踪算法在对有遮挡物或运动突变的物体进行追踪定位时会出现定位不准确的问题,设计了在线更新网络的视频追踪算法T ripL T.该算法采用循环神经网络进行目标位置的预测,并采用全卷积神经网络对目标进行相似度的判定.T ripL T算法可预测下一帧的目标位置,以摆脱遮挡物的影响,并且T ripL ...     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

基于多视角航拍配准的运动小目标检测与跟踪

针对存在3D场景遮挡的航拍视频运动小目标跟踪问题,提出一种基于多视角航拍配准的运动小目标检测和跟踪算法。该算法首先对图像序列间隔采样,利用Harris检测器提取全局特征点,通过Delaunay三角网对待配准图像实现初始匹配,然后利用整合变换模型计算差分图像,并利用累积能量检测出目标,最后通过卡尔曼运动滤波消除运动目标跟踪的抖动。实验结果表明,该算法对城市和郊区场景的航拍视频可以检测出最小30个像素的缓慢运动目标。     

车辆检测系统中背景提取与更新算法研究

为了提高车辆检测系统的车辆识别率,本文提出一种改进的Surendra背景更新算法,并在不同的环境下与系统原来使用的多帧图像平均背景更新算法进行实验比较。实验结果表明,新改进的Surendra背景更新算法比老算法有较明显的综合优势,能够荻取准确的背景,并可有效地进行背景更新,从而提高车辆识别率。     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.