基于视频检测技术的交通拥挤判别模型*

针对日益严重的城市道路交通拥挤问题,提出基于视频检测技术直接判断道路交通拥挤程度的方法。以道路占有率、占有率方差、占有率变化量绝对值为交通特征参数,研究了其与道路拥挤事件发生的关系,在此基础上利用模糊C-均值算法给出了一种交通状态划分方法,最后建立了一种新的交通拥挤判别模型。应用实际采集的视频数据,分别通过该模型及人为判断进行实验验证。实验结果表明该模型是有效可行的。     

基于协同方法的视频交通拥挤度判定

本文采用与传统模式识别不同的方法-协同模式识别对重要的交通控制参数之一交通拥挤度进行了研究,根据改进的协同模式识别模型对视频交通拥挤度进行识别,取得较好的实验效果.     

基于视频检测技术的交通车流量研究

研究在复杂的交通十字路口环境下完成交通车流量的获取,首先对视频图像提取背景模型,进而通过图像差分获得前景图像（即运动目标）,并进行图像二值化以及去噪等图像预处理过程,而后通过设置虚拟检测区域实现对该检测区域内的车辆计数,最终得到车流量信息。     

基于视频图像的交通参数检测

针对交通图像的特点,提出了一种将灰度判断与边缘检测相结合的方法,来获得车流量、车速等相关交通参数。将先锋遗传算法(Vanguard Genetic Algorithms)应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确地将图像中不同灰度的车辆从背景中分离出来。分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测。采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差。实验结果表明,该方法简单、有效,能够获得较满意的检测结果。     

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。     

基于四核DSP的视频交通检测系统设计

简要介绍了车流量检测系统,提出使用4颗TI公司高端数字信号处理器TMS320C6416构建一种新型的并行图像处理系统.该系统通过一个同步4口SRAM和PCI总线构成互连结构,兼有紧耦合并行系统和松耦合并行系统的优点.系统具有性能高、功耗和成本低、稳定性和实时性好、可扩展性强等优点.     

基于虚拟线框的视频交通信息检测

视频交通信息检测近年发展很快,因具有大区域检测、设置灵活等优越性,已成为智能交通系统的一个研究热点。在以往的检测基础上提出一种基于虚拟线框的背景差分法进行车辆识别、车辆行驶方向判断及速度计算等算法。应用正交实验法来确定虚拟线框的大小,采用选择-平均法实现动态的背景更新。最后给出系统检测结果,经分析得出该系统准确率高于80%。     

基于视频的智能交通异常检测系统

交通异常情况检测一直是交通管理中的重要任务,其在智能交通系统中显得尤为重要.传统的检测方法存在许多不足,不能满足视频监控的需要.基于此,提出一种基于视频图像处理的异常情况检测算法,在对视频图像进行非线性校正后,通过基本的图像处理获得较准确的交通信息,对各时刻的交通状态进行判断并可对下一阶段的状态进行预测.实验结果表明,该算法具有较强的有效性,在ITS中有较好的应用.     

ITS中基于视频的交通异常情况检测

交通异常情况检测一直是交通管理中的重要任务,其在智能交通系统中显得尤为重要。传统的检测方法存在许多不足,不能满足视频监控的需要。一种基于视频图像处理的异常情况检测算法,在对视频图像进行非线性校正后,通过基本的图像处理获得较准确的交通信息,对各时刻的交通状态进行判断并可对下一阶段的状态进行预测。实验结果表明该算法具有较强的有效性和在ITS中有较好的应用。     

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。     

交通拥挤控制的实时决策支持模型

针对交通拥挤的快速检测和控制问题,设计了一种基于管理者知识和经验,能够实时反映交通拥挤状况的决策支持模型．设计的自动决策支持模型中包含了概念模型和推理模型,推理模型中集成了交通拥挤自动检测算法和拥挤交通量控制方案选择的模糊推理算法．研究结果表明,采用自动决策支持模型能在一定程度上取代交通管理者对拥挤的管理,从而提高拥挤管理的效率和决策质量．     

视频交通参数检测技术研究现状及发展趋势

车流量、车速、车道占有率等交通参数是智能交通发挥作用的前提和基础,也是智能交通系统的关键所在,视频交通参数检测可为其提供丰富的交通信息。文章首先介绍了车辆检测的方法,并对基于虚拟检测器和基于目标提取和跟踪的交通参数提取技术进行了分析,同时介绍了近年来提出的一些基于视频的交通参数提取的算法和步骤,最后分析了视频交通参数检测技术的研究方向、存在问题及发展展望。     

视频检测技术的交通时间预测实证研究

为了实现利用视频车辆检测器数据计算和预测路段行程时间,将排队长度数据应用到路段行程时间的计算中,采用改进粒子群的BP神经网络算法和时间序列分析对路段进行实证研究.将排队长度加入计算得到的决定系数为93.36%,比只有流量数据的BP神经网络算法改善了41.03%,比BPR（bureau of public roads）路阻函数算法改善了23.37%.利用实时的路段行程时间对后续行程时间预测通过时间序列分析得到相对误差为0.06,预测下个时段和下个周期的路段行程时间平均相对误差分别为0.14、0.15.结果表明排队长度对于路段行程时间的计算具有较高的准确性,可以用于城市道路交通时间的预测,并能有效为智能交通算法的其他指数计算提供思路,为改善交通状况提供决策支持.     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

基于视频的隧道交通事件检测系统研究

关于隧道视频的隧道交通事件检测系统的进一步研究,提出高斯模型的车辆检测方法,并通过实际实验论证是可行的。     

基于视频的交通事件和交通流检测系统

本文运用数字图像处理和计算机视觉技术,对基于视频的交通事件和交通流检测进行了原理设计;并通过相关的硬件知识和编程技术实现了该系统。对数字图像处理和机器视觉的综合运用流程和相关知识做了介绍,如背景更新、滤波降噪、图像分割、特征提取、摄像机标定和目标识别。为视频交通事件和交通流检测的实现提供了一个新的案例。     

基于大气散射原理构建模型检测夜间交通视频多景深车灯

针对在延长夜间交通视频检测距离的同时提高车灯检测率这一难点,提出基于大气散射原理复原车灯模型.首先分析夜间交通场景中的光源成分;然后基于大气散射原理构建了车灯复原模型,在重新定义环境光后,对模型中未知参量,如透射率、环境光以及场景景深等提出了新的估计方法,得到只含有车灯和少量路面反射光的复原结果;最后对复原结果按照景深距离分成远景、中景和近景3个区域,并按照车灯几何特征分别筛选,以提高车灯检测率.对9段视频共14 492帧进行实验的结果表明,在延长了检测距离的同时,与同类先进算法相比,该模型平均检测率提高31.39%,平均漏检率降低20.93%,平均误检率降低10.46%.     

基于大气反射-散射模型的复原图像中交通视频车灯检测

针对夜间复杂照明环境导致车灯检测率低的问题, 提出了一种基于大气反射-散射模型的复原图像中夜间交通视频车灯检测算法. 首先根据漫反射原理抑制路面漫反射光, 在对大气散射模型做了改进之后, 估计了大气散射模型中的大气光, 再根据暗原色先验理论估计环境光, 重新定义透射率, 从而得到了只含有车灯及反射区域的复原图像.为了进一步抑制该复原图像中的强光光晕, 再次利用暗原色先验理论重新估计环境光, 得到最终的复原图像. 最后对复原图像中的所有亮斑根据四类几何特征逐步筛选, 排除视野中的非车灯. 实验结果表明, 该方法在复杂雨雪天气、高密度及高速等不同情况下, 与同类先进算法相比具有较高的检测率, 较低的漏检率和误检率.     

基于判别模型的视频前景/阴影自动分割算法

活动阴影是影响视频目标分割准确性的重要因素,有效检测与消除活动阴影是视频分割的一大难题.本文提出一种基于判别模型的前景/阴影自动分割算法.它能在室内户外多种环境中对活动阴影进行检测和消除.算法在像素级别上对背景、阴影以及前景进行建模,利用二维条件随机场对这些分布模型进行约束,通过概率图模型推断算法求出全局最优的分割结果.在实验中采用各种环境的视频数据对本文算法的有效性进行测试,并与其他分割算法的结果进行比较,证明本文算法的误分率较低.     

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。