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。     

基于图像纹理的车辆检测算法

传统的视频检测方法是基于面阵图像的,其背景图像复杂,不利于目标分割和特征提取,而线阵CCD成像中背景图像相对简单,并且其帧速率远远高于面阵CCD的帧速率,从而可以实现高精度的检测,特别是车辆存在和车辆速度的检测.本文提出了适用于线阵CCD图像的车辆检测算法.其基本思想是:利用小渡变换提取路面的纹理特征,然后对采集的每线数据进行二值化,并在此基础上,逐线进行车辆分割.实验表明:该算法能有效抑制车灯和阴影对车辆分割的干扰,实现车辆的实时准确分割.     

夜间环境交通数据采集系统设计与实现

针对夜间交通环境的特点,设计和实现了一种基于车灯的交通流视频检测系统。首先,提出一种夜间车道线检测算法,提取车道线并标定摄像机参数。接着,采用一种自适应阈值分割算法提取候选车灯连通域,并利用空间距离信息配对和分组属于同一辆车的连通域,根据规则集定位车灯,建立车辆假设。然后,通过线性搜索,结合最近邻准则和形状属性匹配在帧间关联车辆假设。对于部分和全部遮挡的情况,结合Kalman滤波器处理。根据跟踪信息的连续性,确认车辆存在并保存跟踪轨迹。实验表明,算法的复杂度低,能够在夜晚多种交通环境下实时检测和跟踪车辆,误检和漏检率低,并且对遮挡情况具有一定的鲁棒性。     

车道偏离预警中车道线实时视频图像识别仿真

传统车道线图像识别与现实路况差异较大,提出了一种车道线实时视频图像识别方法.方法 对车道线图片进行逆透视转变,采用改进的Sobel算子对最近车道线边缘进行检测.在此基础上利用自适应双阈值对检测到的图像做二值化处理,增强图像信息.使用改进Hough变换算法减少拍摄图像与实际路况的差异,完成车道线实时视频图像识别.仿真结果证明,研究方法可以在不同道路环境中实现车道线视频图像准确识别,运行时间短、效率高.     

基于图像处理的前方行驶车辆速度测量方法

车辆超速行驶是造成高速公路交通事故的主要原因之一,依赖于固定摄像机的传统视频测速系统测速区域十分有限.通过车载双目电荷耦合器件(CCD)摄像头获取车辆行驶过程中前方车辆的行驶状态,提出了一种测量前方行驶车辆速度的方法.利用改进Hough变换识别车道线,提取感兴趣区域,以车底阴影特征为基础完成车辆检测,通过在车载视频图像中选取适当的图像帧,获得车辆的相对位移及对应的时间间隔,获得前方车辆的行驶速度.经测试,算法能得到较高精度的速度测量结果.     

基于车前灯的夜间车辆视频检测研究

针对夜间车辆视频检测和车流量统计的难题，提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点，利用梯度滤波法消除地面反射光对车灯的干扰，实现图像增强，并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪，最终准确地实现了车辆检测和车流量的统计功能。     

一种基于行车区域改进的高速公路车辆检测法

在高速车辆速度的检测中,视频检测因其本身的优势得到了越来越多的人的青睐,而视频测速中的运动目标提取通常会采用背景差法来实现,但在实际应用中这种方法很容易受到周边环境的影响,特别是绿化带和其他车道车辆的影响显著。本文针对高速公路中车辆行驶在车道线中的特点,先提取车道线,根据车道线求出行车区域,再对行车区域进行背景差提取运动目标,消除了周边环境对运动目标的影响。实验证明,该方法很好地克服了周边环境的影响,消除了误检目标,可以准确地检测出所需的运动车辆。     

全天候车辆实时检测系统

为解决全天候车辆检测技术精度不高的难题,提出了一种新型联合检测算法。通过在混合高斯背景建模法中加入膨胀、腐蚀算法,减少了视频车辆图像中的大量断点和随机噪声;利用最小面积法设置外接矩形框并通过不断调整矩形框的大小和位置,准确框选出视频图像中的目标车辆。由于夜间光线场景复杂,以能被明显区分的车前灯作为目标,通过直方图双峰阈值法和分水岭分割法将其从视频图像的背景中分离,并基于车前灯的形态参数,设置合适的车灯匹配条件,提出一种实时的车灯配对、车辆跟踪算法,大幅提高了夜间车辆检测的准确度。提出的新型联合车辆检测算法,有效地消除了由于外界光线环境改变造成的车辆检测误差,为全天候车辆检测提供了新思路,具有很强的针对性和重要的现实意义。     

基于光流法的快速车道线识别算法研究

为提取无人驾驶车前方车道线信息,提出一种使用光流法的快速车道线识别算法。首先,根据连续视频帧之间的时间相关性,运用光流法检测车辆前方背景的相对移动。然后,利用车辆背景中特征点的移动方向和距离,对本帧图像中车道线的位置进行粗略定位,从而缩小本帧图像中车道线的检测区域,加速车道线识别算法。最后,通过对车道线像素点的处理,给出车道线类型信息。该算法提升了车道线检测算法的效率,降低了复合算子车道线检测算法的时间复杂度。在720*480像素下,算法实现了13.5Hz的处理速度,相较仅使用复合算子的处理算法提升了39.6%的处理速度,且算法检测效果良好。实车实验证明了算法的有效性和实时性。     

一种实用的夜间车牌目标定位方法

在车辆检测识别系统研究中.夜间车牌目标定位一直是个难题.本文根据夜间车辆图像特征,选取HSV颜色模型,其中饱和度S分量能够很好地将车牌区域与车灯及其形成的光束和道路上的车道线等大量噪声分离开来;色彩H分量能够将与车牌颜色有关区域标定出来,可将饱和度较高但不符合车牌颜色特征的区域剔除;融合H、S分量提取的车牌特征信息.对各种不同姿态的夜间车辆图像均可完成目标定位.通过各种情况下获取的实测夜间图像测试,实验结果表明该方法实现简单快捷,对于包含车头灯或车尾灯的夜间图像.定位方法均有效.     

Real-time multiple vehicle detection and tracking from a moving vehicle

Abstract. A real-time vision system has been developed that analyzes color videos taken from a forward-looking video camera in a car driving on a highway. The system uses a combination of color, edge, and motion information to recognize and track the road boundaries, lane markings and other vehicles on the road. Cars are recognized by matching templates that are cropped from the input data online and by detecting highway scene features and evaluating how they relate to each other. Cars are also detected by temporal differencing and by tracking motion parameters that are typical for cars. The system recognizes and tracks road boundaries and lane markings using a recursive least-squares filter. Experimental results demonstrate robust, real-time car detection and tracking over thousands of image frames. The data includes video taken under difficult visibility conditions. Received: 1 September 1998 / Accepted: 22 February 2000     

基于电涡流传感器的车辆超速检测研究

车辆超速行驶是引发交通事故的重要因素。本文以单车道为例,在公路上相距一段距离埋设两个电涡流传感器,当汽车通过电涡流传感器时,产生脉冲信号,通过单片机编程对信号进行实时处理,最终得到汽车的行驶速度。实验表明,此方法可有效检测和记录各路段超速行驶的车辆,最终达到让驾驶员自觉遵纪守法、遵章驾驶和降低交通事故发生率,提高安全和畅通行车能力的目的。     

基于51与K66双芯片的智能小车控制系统

本文提出一种新的智能小车主动及被动控制手段,采用STC89C51RC与K66双芯片实现对智能小车的控制.运用蓝牙通信技术实现通过手机端APP控制小车进行基本动作,同时利用超声波测距技术实现小车自动避障.此外,还加入了红外探测传感器以实现小车的自动循迹,结合低功耗的MT9V032摄像头,利用图像识别技术实现了信标灯寻的....     

基于改进的YOLOV5算法对ADB汽车大灯的外界环境检测

针对远光灯交汇会影响汽车驾驶员的视觉注意力,导致汽车驾驶员夜间行驶安全难以得到保障的问题,研究基于机器视觉及深度学习的ADB汽车大灯的外界环境检测方法。 通过机器视觉的CCD相机采集ADB汽车大灯外界环境图像数据,利用数据筛选方法剔除采集到的图像数据中干扰光源数据,依据路况特征差异,划定ADB汽车大灯外界环境检测目标区域后,通过深度学习算法检测外界环境目标车灯光源,结合扩展卡尔曼预测各目标车灯光源轨迹,当车辆前方有车灯光源经过时,ADB系统及时调整汽车远光灯对应区域灯珠亮度,减少在高速行驶时因远光灯交汇对汽车驾驶员的视觉影响,保障汽车安全行驶。实验结果表明,该方法可有效剔除各类干扰光源,准确检测目标车灯光源,且目标车灯光源轨迹预测结果与真实结果非常接近,可精准完成ADB汽车大灯的外界环境检测。     

一种倒计时交通灯的控制算法

针对目前被广泛使用的具有倒计时功能的交通灯,设计一种简洁高效的控制算法。它实时对路口各车道车流量数据进行统计分析并聚类,每个交通灯周期都根据当前路况执行相应路况类别下的遗传算法过程,以寻求该类别的最优解。算法目标是实现分类的足够细化和各类别解的足够优化。测试表明,该算法能根据车道的车辆密度合理分配各车道的绿灯时间,使车辆的平均等待时间少于其他支持倒计时功能的算法。     

基于改进概率霍夫变换的车道线快速检测方法

车道线是行车安全的重要参考。为提高无人驾驶行车过程中车道线检测的准确性和实时性,提出一种基于改进概率霍夫变换的车道线快速检测方法。首先对获取的图像进行感兴趣区域提取,根据车道线颜色的特殊性,合理选取三色通道的比值对图片进行灰度化,为增强阈值处理的鲁棒性,采用大津二值化法对灰度图像进行二值化,由于Canny算子具有良好的定位边缘的能力,本次边缘提取算子选取为Canny。接着分别从车道线长度、角度、车体和车道宽度4个方面提出4点约束条件对该算法加以改进,剔除干扰线和伪车道线,最后通过线性回归法拟合出正确车道线。实验结果表明,该算法在快速检测车道线的同时保证了检测的准确率,并将实验结果与其他算法进行比较,证明了该算法的实时性和准确性优于其他算法。     

一种基于视频实时处理的车道检测算法

提出了一种基于VFW进行视频图像实时采集处理, 并采用扫描线与区域生长相结合的图像分析算法, 实现了道路车道标线的视频实时检测。采用自适应感兴趣区域（AOI）选择以及根据车道状况确定帧处理策略的方法, 使运算速度满足实时要求。