基于视频图像的车辆自动分类系统

本文设计并实现了一个基于视频图象的车辆自动分类系统，从系统的构成开始，详细阐述了各部分的实现方法。系统中综合应用了运动边缘检测、图像二值化、闭包算法等方法对图像进行预处理．然后对车辆轮廓进行傅立叶级数展开提取特征，最后结合基于面积特征的直接分类器和基于傅立叶描述子的最小距离分类器对车辆进行自动分类。实验表明，本文的方法简单有效，可以获得较高的分类正确率。     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，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。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

基于视频检测的车辆分割技术研究

车辆分割是车型识别中的关键技术。本文利用视频检测中差分图像的投影图方法粗略定位出车辆，然后通过一种能量法二值化图像，可以准确分割出车辆。实验结果表明，按照本文提出方进行车辆分割，实际车辆分割率达到了99％。     

基于视频序列的车型识别算法设计

针对复杂背景下的目标车型识别问题,提出一种基于视频序列的检测识别算法。运用帧差序列图像进行背景建模与更新,采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除,提出车辆形状投影量的概念,将视频车辆二维形状信息降至一维,并设计二维输入模糊分类器,根据形状投影量和车高/车长比,完成车型的多种类精细识别。实验结果验证了该算法的有效性。     

基于视频的实时车辆识别和分类的改进方法

本文介绍了关于车辆识别、分类和跟踪的一种快速可行的方法。结合了背景差法、边缘检测、阴影校正等，在速度和识别准确率上都达到了满意的效果。     

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。     

基于视频图像处理的车型识别研究综述

视频图像识别技术是人类利用计算机对现实图像进行分析和理解的技术,研究这项技术,对于促进社会进步和人类自身发展有着重大意义.视频图像识别技术在ITS中的应用领域非常广阔,包括道路识别、障碍物检测、车辆检测、车牌识别和车型识别等领域.     

基于二级模糊综合评判的车型分类研究

提出了一种基于二级模糊综合评判的车型分类方法。     

基于监控视频图像的车辆测速

基于监控视频图像的车辆测速方法(视频测速)的工作原理，提出了一种视频测速的实现思路，指出了在间隔已知时间的视频帧图像中找到对应块是实现视频测速的关键和难点。对车灯的特征进行了分析，根据车灯区域的特征，提出了采用灰度差水平叠加投影的方法，构造可以代表其鼓形区域的函数，以其作为定位车灯带的判别函数，并根据车灯的特点进行候选块筛选的一种简单快速的车灯区域定位方法，可在平均13ms内准确定位到车灯区域，从而为这一高速条件下视频测速的关键难点提出了一种切实可行的解决办法。     

基于视频图像像素点阵的车辆检测技术

介绍一种基于视频图像像素点阵的车辆检测技术。该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪。将每辆车作为一个检测对象,求出每个检测对象的触发像素点阵中存在连通性的最大像素区域,并将这个区域作为该检测对象识别和追踪的唯一标准。该技术具有适应性好、计算量少、识别结果准确等优点。     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

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。     

基于运动矢量的抗几何攻击视频水印方案

许多数字图像和视频水印方案都无法抵挡几何变换攻击,即使是轻微的旋转、缩放、平移也将会破坏水印的同步,这就使得水印难以检测出来。为解决此难题,提出了一种新颖的视频水印算法。该算法利用了运动矢量特征的相对关系不易随几何失真变换而改变的特性,使得水印具有内在的抗几何失真的鲁棒性。该算法中,水印嵌入和检测时,不仅可根据平均运动矢量的方向和幅度确定水印模板的位置和方向,而且水印检测不需要原始视频。实验表明,该水印算法对几何变换攻击具有较强的鲁棒性。     

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。     

基于监控视频的车辆速度测算

在道路交通事故中,车辆超速行驶易引发交通事故。交通民警依据掌握的车辆发生事故时的速度既可以确定 交通事故的性质、分析事故原因,也是认定交通事故责任的关键因素。本文通过对视频资料中连续帧的序列图像的分析处理 来实现车辆速度的测定,在实际操作中可以很好地控制测量精度,将测量误差控制在较小的范围之内。     

一种基于视频技术的车辆检测和计数算法

介绍了一种基于视频的车辆检测和计数算法,分析了该算法程序的实现过程,并针对系统进行了实验。实验结果证明,该车辆检测和计数系统可以检测交通路口的车辆,并且可以对通过的车辆进行计数。     

视频图像中的车型识别

文章介绍一种在固定单摄像头拍摄交通图像序列中检测车辆的方法。处理过程大致分为以下三步:重建不含运动目标的自然背景及图像分割;摄像机标定;目标区域的跟踪和车型识别。实验证明方法是可行的。     

基于车型聚类的交通流参数视频检测

单目摄像机成像丢失深度信息,且PTZ (Pan/Tilt/Zoom)摄像视频场景多变,导致交通流参数提取误差较大. 提出了一种基于车型聚类的交通流参数检测方法. 在改进的摄像机自标定成像模型中,提取PTZ 参数变化下的透视投影不变量"伪形状特征', 对其进行基于贡献率算法的车型聚类分析,以车型均高代替实际高度,获取车辆的长宽, 进而计算道路空间占有率,并提升车速检测精度. 测试表明实时性较高,车型聚类自适应于不同场景,平均准确度为96.9%,车长计算精度优于90%.     

一种新的基于对象的足球视频镜头分类方案

论文提出了一种基于对象的足球视频镜头分类方案。首先对足球视频中的场地和运动员对象进行检测和分割,然后利用识别出的场地特征、运动员数目及运动员与场地比例等特征,对足球视频中的长距镜头、中距镜头、特写及其它类型的镜头进行分类。实验表明,该分类方案取得了良好的效果。