共查询到17条相似文献,搜索用时 968 毫秒
1.
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。 相似文献
2.
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. 相似文献
3.
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。 相似文献
4.
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. 相似文献
5.
6.
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。 相似文献
7.
8.
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。 相似文献
9.
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。 相似文献
10.
11.
Real-time multiple vehicle detection and tracking from a moving vehicle 总被引:18,自引:0,他引:18
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 相似文献
12.
13.
14.
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。 相似文献
15.
16.
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。 相似文献