复杂动态环境下运动车辆的识别方法

针对目前车辆识别方法在动态变化的复杂环境中车辆识别正确率低的问题,提出了一种基于动态自适应阈值的车辆识别方法。该方法首先利用基于熵权法的图像质量量化算法计算交通流视频中背景图像的质量值;然后通过对样本交通流设置的车辆检测阈值和基于该阈值识别车辆的正确率进行多项式拟合,获得该样本的车辆最佳检测阈值;最后对样本背景图像的质量值和样本车辆的最佳检测阈值进行高斯拟合,得到自适应阈值计算模型。该方法采用高斯混合模型实时获取交通流视频中的背景图像,计算背景图像的质量值,并输入到自适应阈值计算模型得到实时的车辆最佳检测阈值以识别车辆。实验和理论分析表明,该方法能根据动态变化的环境实时更新车辆检测阈值,有效地提高了车辆识别的正确率。     

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。     

基于光流法的卫星视频交通流参数提取研究

抽样分辨率达1米的高清卫星视频已经能够实现对地面较小的运动目标的实时监控。针对卫星视频中运动车辆目标仅显示为一个或几个像素点的特点,提出了一种基于光流法的卫星视频交通流参数提取的思路与方法。该方法利用卫星视频中车辆目标为像素点的特点,结合Shi-Tomasi角点检测方法实现车辆检测及车辆计数;在车辆检测的基础上利用光流法得到的连续视频帧中角点的位置信息进行双向车辆平均车速的计算,并对实验结果进行了对比分析。该文是基于卫星视频中小微运动车辆目标进行交通流参数提取的一次有益尝试。     

高速道路交通视频中车辆目标提取研究

为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法.针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像.实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富.     

混合交通流中的自行车识别及参数提取*

为了提取高密度混合交通流下的自行车交通参数,建立基于视频的交通检测系统,改进了卡尔曼自适应背景模型,提出了基于决策树的自行车群识别方法和基于面积阈值的车辆计数方法。对实际场景拍摄的视频处理得到了混合交通流分类、计数结果和速度密度关系。结果表明,该方法不但能有效地检测、跟踪、识别高密度混合交通流下的自行车目标,而且达到了为自行车模型研究获取合理的交通流密度、速度等相关交通参数的目的。     

车辆违章逆行的图像自动检测与识别

提出了一种基于图像处理的对车辆违章逆行进行自动检测与识别的方法。利用中值滤波、帧数统计、帧计数和边界检测等图像处理方法，对视频图像中的逆行车辆进行运动特征提取与识别，实现对违章逆行车辆的自动检测，实验结果表明该方法是有效的。     

交通流视频检测中车辆的检测与跟踪

交通流视频检测技术是实现城市交通现代化管理的核心技术之一,也是智能交通系统的重要组成部分.使用改进混合高斯分布模型来表征图像帧中每一个像素点的亮度特征,使用绝对值差分提取出运动车辆的轮廓,采集目标的轮廓特征等数学特征,采用相似性算子跟踪多运动目标,采用面积阚值排除非车因素的干扰.最后在城市交通流实况检测中验证算法.     

基于图像处理的交通事故检测及责任判定

为了在发生轻微交通事故时, 快速使事故车辆驶离现场, 保证道路畅通, 提出了一种车辆碰撞检测及责任判定模型. 首先结合SSD目标检测算法(single shot multibox detector)和MobileNet轻量级深度网络模型, 对其进行改进以获取每一帧视频图像中运动目标的位置和大小信息, 实现对车辆识别与检测. 其次, 利用卡尔曼滤波器对连续图像帧之间的运动目标建立对应匹配关系, 预测目标的运动状态, 对目标的位置及运动趋势做出判断, 实现车辆轨迹跟踪. 随后通过车辆目标检测框的交并比判断是否发生碰撞. 最后针对直行道路中车辆的速度、方向信息结合道路安全条例及机动车事故快速方法对事故车辆进行责任判定. 结果分析表明, 该研究可实现直行道路场景下的追尾及变道引发的车辆碰撞检测及责任判定.     

SIFT算法在CUDA加速下的实时人物识别与定位

首先采用Directshow技术对视频图像中的运动目标进行差分检测,然后在此基础上对视频图像进行分割和识别,最后实现人体图像及头部图像的识别和定位.视频图像的处理和识别主要采用差分法和SIFT特征的模式匹配来完成人体和头部的识别和定位.经实验验证,SIFT算法在CUDA加速下具有较好的识别速度和准确率,解决了图像识别技术上的一些问题.     

集成射频与视频监控的交通流参数检测技术

提出一种集成射频识别技术和视频监控技术的交通流参数测量方式。介绍了检测系统组成、基于射频技术(RFID)的车载电子车牌关键技术、道路视频图像处理技术等。系统根据射频终端信号实时调整视频采集速率,对射频数据和视频数据进行及时处理得到车牌、车辆特征、车速以及车流量等有效交通流参数,并将数据压缩之后通过云端网络发送至服务器端,服务器端可远程监控各路段交通信息,并可对视频信息进一步处理得到更多具体的信息,为实现交通诱导、违章监控、速度监控等提供可靠准确的数据支持。     

基于立方体模型和EKF的运动汽车跟踪算法研究

针对固定摄像机、大范围复杂交通场景,提出了一种运动汽车的实时跟踪算法。根据汽车的刚体特性,采用立方体模型与运动汽车图像进行匹配的算法,避免三维重建的难题,能较为直观地得到运动汽车的形体信息。结合车辆的非线性运动特征引入EKF算法,准确地预测车辆的相关参数信息,减少目标跟踪过程中的搜索时间,从而能够实时准确地跟踪运动汽车目标。通过真实交通视频仿真实验,该算法具有较好的跟踪能力和抗干扰性能。     

煤矿斜巷轨道运输综合监控系统设计

针对目前大多数矿井斜巷运输设施可靠性差、控制方式落后的问题,提出了以PLC为控制核心的煤矿斜巷轨道运输综合监控系统设计方案,详细介绍了系统结构、主要现场设备及系统功能。该系统实现了绞车速度、位置测量及行车人员监测,通过视频监视装置实现了斜巷的可视化,通过通信联络装置实现了各区段维护人员与绞车司机、地面人员与斜巷人员的联系。实际应用表明,该系统操作灵活方便,可靠性强。     

基于AT89C51的实时交通监控系统的研究与模拟

实时交通监控系统采用AT89C51为控制器,通过对各路口来往车辆的流量和速度的实时检测,并根据检测的结果动态、实时地控制当前交通灯时间,使LED显示器进行倒计时工作并与状态灯保持同步,可在保证交通安全的前提下最大限度地提高交通效率,而且允许处理紧急情况的发生。经仿真模拟的试验,该系统得到了预期的实时控制效果。本论文针对道路交通拥挤、交叉路口经常出现拥堵的情况,利用单片机控制技术,从硬件设计和软件设计两个方面分别介绍通用小型实时交通监控系统的设计方法。     

基于多属性层次识别的车辆视频 检索系统设计研究

交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统（ITS） 的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控 视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆 检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于视频技术的交通违章处理系统的设计与实现

针对交通场景中经常出现的车辆违章行为,如闯红灯、违章停车、超速、强行右转弯等,开发研制了基于计算机视觉和图像识别技术的视频交通违章处理系统;该系统在完成初始设定之后,便可以自动地、实时地检测出车辆的违章行为并提供车辆违章的相关信息;文中详细介绍了系统硬件和软件的设计方案以及系统功能的实现机理;利用VC＋＋6.0开发平台,研发了具有从交通场景的视频数据采集、违章行为识别、违章车辆全景图像存储,直至对违章车辆的数据库管理等多个功能的交通违章处理系统;经测试,系统运行稳定、可靠.     

基于综合特征的车辆检测识别系统

随着信息技术和智能交通的迅速发展,自动的车辆检测识别成为不可或缺的技术。由于基于单一特征和单车辆的识别并不能满足实际中的应用要求,因此提出了多特征多车辆的检测识别算法,利用基于灰度对称,形状特征和光流强度特征的提取,通过基本的图像处理算法,最终由综合特征为基础得出车辆的识别检测结果,利用基于VC＋＋6．0的软件系统开发出车辆检测识别系统,通过实验对照,由单一特征和综合特征的检测不同结果获得实验数据,通过检测算法将视频序列图像中的车辆信息自动识别提取出来并加以标记。实验结果表明系统能够适应多变的车型和环境信息,通过识别结果准确性的分析,得出结论：针对不同的车型有较好的鲁棒性,能够满足实际智能交通控制平台的构建的基本要求。     

利用七宫格的遮挡车辆凹性检测与分割

目的:交通场景中车辆间的距离过近或相互遮挡容易造成识别上的粘连,增加了准确检测目标车辆的难度,因此需要建立有效、可靠的遮挡车辆分割机制。方法:首先在图像分块的基础上确定出车辆区域,根据车辆区域的长宽比和占空比进行多车判断;然后提出了一种基于“七宫格”的凹陷区域检测算法,用以找出车辆间的凹陷区域,通过匹配对应的凹陷区域得到遮挡区域;最后,将遮挡区域内检测出的车辆边缘轮廓作为分割曲线,从而分割遮挡车辆。结果:实验结果表明,在满足实时性的前提下算法具有较高的识别率,且能够按车辆的边缘轮廓准确分割多个相互遮挡的车辆。与其他算法相比,该算法提高了分割成功率和分割精度,查全率和查准率均可达到90%。结论:提出了一种新的遮挡车辆分割方法,有效解决了遮挡车辆不宜分割和分割不准确的问题,具有较强的适应性。     

一种嵌入式视频交通监控系统的设计与实现

设计和实现了一种嵌入式视频交通监控系统,用于高速公路交通信息的收集及路面信息的实时监控,从而实现了智能交通系统前端的交通信息检测;系统采用ARM处理器S3C2410A实现控制功能、TMSC6211DSP完成算法处理的双核结构,并用MPEG编码芯片G07007完成图像压缩传输功能;详细介绍了系统的硬件结构设计和Linux驱动的开发;经过实际测试,采用该系统进行车辆计数,其准确率达90％以上,车速检测误差小于5％,对于QCIF格式的道路现场图像能够以每秒25帧的速度进行传输。