共查询到18条相似文献,搜索用时 187 毫秒
1.
借助于计算机视觉技术实现了一种基于四轴飞行器的违章车辆取证系统。四轴飞行器在巡检路段上空飞行过程中,通过训练好的支持向量机(SVM)车辆检测算法自动检测视野中的违章停车车辆。如违章停车车辆存在,四轴飞行器将根据视觉处理结果自动调整姿态,便于摄像头以合适的尺度和角度识别车牌;最后通过模式识别技术捕捉视野中车辆的车牌并向地面站传输证据。与传统的人工巡检和基于道路固定摄像头的方案相比,本系统更灵活、高效,可以作为交通智能化管理新的解决方案。 相似文献
2.
3.
基于视频的高速公路违章停车实时检测算法 总被引:1,自引:0,他引:1
违章停车是高速公路交通事故的重要诱因,因此迅速、有效地检测出违章车辆是高速公路交通管理与控制的重点。提出一种基于视频的高速公路车辆违章停车实时检测算法,在分析了基于视频的违章停车检测系统的组成和视频检测的优点的基础上,用背景差分算法和OSTU阈值相结合的方法,对所采集的某路段视频,进行车辆违章停车判断。实验表明,该方法... 相似文献
4.
视频处理技术在智能交通系统的应用 总被引:1,自引:1,他引:0
视频检测作为智能交通中一种主要的检测手段在交通流检测、车辆违章跟踪等领域得到了广泛的研究和发展。文中提出了一种城市道路交通灯智能控制模型,该模型利用视频图像处理技术,获取十字路口各方向的车流量参数、违章车辆信息等,在此基础上实现了交通灯的智能控制以及对违章车辆的视频跟踪,最后给出了实际交通视频图像处理的实验结果。 相似文献
5.
针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法.该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测.研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测. 相似文献
6.
构建了利用交通监控视频对车辆异常行为进行检测的系统框架.使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测,结合CamShift算法与Kalman滤波器进行车辆目标跟踪,提取车辆质心绘制运动轨迹,针对车辆运动方向判别、违章变道、调头等行为提出了检测方法.实验结果表明,提出的交通监控视频中的车辆异常行为检测系统具有较高的实时性与准确性,部署简易快速,维护成本低廉,可以满足当今智能交通系统日益增长的需求. 相似文献
7.
8.
9.
10.
11.
12.
13.
针对城市停车难,传统停车场使用和管理的局限性,提出了一种基于视频检测与车牌自动识别技术的临时停车场自动收费管理系统。该系统具有设置、移动简便,停车管理自动化程度高,可实现不停车自动收费等特点,特别适用于旅游旺季、大型活动等所增设的各种临时停车场的现代化停车管理收费,同时可大大缓解因停车难而造成的停车场附近道路交通拥堵等相关问题。 相似文献
14.
视频监控系统中一种运动目标的检测方法 总被引:1,自引:0,他引:1
提出了一种基于改进的背景差分法的运动目标检测和识别的方法,该算法用于视频监控系统中运动目标检测和报警。双阈值法和动态阈值法有效地检测出图像中的运动目标。Matlab 7.0中对算法进行了仿真,实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。 相似文献
15.
智能交通系统中的视频监控技术 总被引:1,自引:0,他引:1
介绍了在智能交通系统(ITS)中基于视频图像的车流量和车速检测、车辆类型检测和识别,以及车牌号码的定位和识别技术,并给出了应用实例.最后,结合目前的研究成果对视频图像在ITS中存在的问题和对未来的发展进行了展望. 相似文献
16.
基于人工电视监视的交通检测方法存在检测效率低、实时性差的缺点,提出了基于视频序列的交通参数和交通事件检测系统。将采集和预处理后的视频信号通过DSP处理,检测视频交通参数和交通事件,提取的交通参数和交通事件等分析结果通过TCP/IP网络传输协议传给视频分析识别终端,在视频分析识别终端上存储、显示交通参数与交通事件和视频信息,设置系统参数,同时可以进行查询、检索以及管理交通参数与交通事件。该系统实现了对车流量、车速、抛落物、行人和停车等交通参数与事件的实时性检测。 相似文献
17.
18.
为了实现对十字靶标的自动检测与跟踪,建立了十字靶标检测跟踪模型。针对目标检测中运算量大、实时性差、目标跟踪需要人工标定视频初始帧的问题,提出了一种基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法。首先,提取十字样本集的梯度方向直方图(HOG)特征,采用Latent SVM分类器训练特征集,生成十字靶标物体类的DPM模型。然后,通过滑动窗口搜索匹配方法遍历待检测图片。最后,将检测到的结果作为跟踪算法的起始跟踪帧,应用KCF算法快速跟踪目标。当跟踪目标丢失时,暂时停止跟踪,利用DPM模型重新检测定位目标再进行跟踪。实验结果表明:采用DPM模型检测的平均帧率为1 fps,结合DPM和KCF算法,实时检测跟踪的平均帧率为40 fps。采用基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法,实现了目标的自动检测与实时跟踪,且检测速度明显高于传统算法,并且在目标漂移或丢失后自动重新定位并继续跟踪,完成十字靶标的长时间跟踪。 相似文献